L’IA peut-elle tenir ses promesses ?
Des diagnostics plus rapides, de nouveaux médicaments, des traitements personnalisés et moins de tâches administratives : l’intelligence artificielle suscite de nombreuses attentes en médecine. Sont-elles réalistes ? Le symposium conjoint consacré à l’IA en médecine, organisé par la Koninklijke Academie voor Geneeskunde et l’Académie royale de médecine de Belgique, a donné lieu à des points de vue contrastés.
Tom Lenaerts, professeur d’informatique à l’ULB et membre du laboratoire d’intelligence artificielle de la VUB, s’est montré modérément optimiste. L’histoire de ce domaine invite à la prudence, reconnaît-il. Depuis septante ans, les systèmes d’IA sont présentés comme un moyen d’améliorer la médecine. C’était notamment le cas de MYCIN, un système expert développé à l’université de Stanford, qui identifiait des bactéries et proposait un traitement antibiotique.
Plus récemment, IBM Watson, un système d’IA capable de remporter un jeu télévisé, s’est révélé « en réalité très peu efficace pour aider les médecins à traiter leurs patients », selon Lenaerts.
Il souligne toutefois l’existence d’applications qui apportent une réelle valeur ajoutée clinique. L’analyse d’images constitue à ses yeux une avancée manifeste : l’IA peut aider les médecins à repérer plus rapidement des anomalies, notamment dans le cancer du sein. Ce n’est pas un hasard si ces applications se concentrent sur une seule tâche, précisément délimitée.
« IBM Watson pouvait remporter un jeu télévisé, mais était très mauvais pour aider les médecins à traiter leurs patients. »
Une « bibliothèque parlante »
L’ambition se tourne désormais vers des systèmes qui s’attaquent à des problèmes beaucoup plus vastes. C’est le cas d’un « co-chercheur » fondé sur l’IA, capable de parcourir les publications scientifiques, de faire évaluer des hypothèses et de proposer des pistes de recherche. Lenaerts le décrit comme une « bibliothèque parlante », qui rassemble davantage de connaissances qu’un chercheur ne pourra jamais en garder en mémoire.
En collaboration avec la Fondation 101 Génomes et des associations de patients, Lenaerts étudie lui-même si des outils bioinformatiques basés sur l’IA peuvent contribuer au diagnostic et au traitement de maladies rares telles que le syndrome de Marfan. « Au cours des douze dernières années, nous avons collecté des données et mis au point des facteurs prédictifs. Nous mettons actuellement la dernière main à un article sur des combinaisons qui méritent d’être explorées plus en profondeur et qui peuvent aider à comprendre ce qui se passe et à trouver des traitements. »
Des résultats reproductibles
Face à des questions aussi complexes, la qualité des connaissances sous-jacentes devient déterminante, prévient Lenaerts. Dans une base de données constituée par son équipe, deux tiers des publications recensées ne présentent pas, selon lui, un niveau de preuve suffisant. Il s’agit, par exemple, d’un cas isolé, sans explication logique ni données probantes chez les patients.
Un système d’IA qui traiterait ces données sans discernement en reproduirait également les erreurs et les biais. Pour être exploitables en milieu clinique, les résultats de l’IA doivent également être reproductibles. « C’est le fondement même de la science. »
La fiabilité et la reproductibilité ne sont pas les seuls enjeux, souligne Lenaerts. Si l’IA déplace le travail du médecin du traitement des patients vers l’analyse des données, elle risque, selon lui, de créer une distance avec le patient. Il met également en garde contre la dépendance à un système unique : « Bien sûr, tous les hôpitaux veulent le meilleur outil d’IA. Mais comment être certain qu’un outil utilisé partout ne présente aucun problème ? » Il plaide donc pour la combinaison de plusieurs outils et méthodes d’IA, assortie d’une vérification de leurs résultats.
L’IA médicale exige des contrôles
Joëlle Pineau, directrice de l’intelligence artificielle chez Cohere et, jusqu’à l’année dernière, vice-présidente de la recherche en IA chez Meta, la société mère de Facebook, met en garde contre les attentes excessives. L’IA est en effet déjà capable d’analyser des images médicales, de contribuer au diagnostic et de recommander des traitements. Mais, selon Mme Pineau, aucun modèle ne convient à l’ensemble de ces tâches à la fois.
Elle met en garde contre l’idée qu’un modèle universel finira par résoudre tous les problèmes médicaux. « La recherche en IA développe des modèles toujours plus grands, entraînés sur toujours plus de données et utilisables pour un nombre croissant d’applications. Cette capacité de généralisation est au cœur de l’apprentissage automatique. Mais sans maîtrise, elle produit une intelligence certes puissante, mais mal socialisée et mal adaptée à la réalité humaine et au monde physique dans lequel nous vivons. »
Pineau situe donc la place de l’IA en médecine entre les petits modèles destinés à des tâches très précises, comme l’imagerie, et la promesse d’un modèle général capable de tout résoudre.
Quel rôle pour le médecin ?
Pour les médecins, la question consiste à déterminer quelle tâche confier à un système d’IA et quel degré d’autonomie lui accorder. Un système peut analyser des données, par exemple en radiologie, et proposer un diagnostic. Avec davantage d’autonomie, il peut également recommander un traitement, « le médecin restant responsable de la prescription et du traitement ».
Mais la situation est différente avec un neurostimulateur destiné aux patients épileptiques : la décision d’administrer une stimulation électrique doit être prise en quelques microsecondes. Un médecin ne peut alors pas intervenir dans chaque décision du système d’IA.
Plus un système agit de manière autonome, plus les risques et les responsabilités associés doivent être clairement définis. Pineau décrit une approche en trois étapes : déterminer d’abord les risques qu’une application peut présenter pour les patients ou les établissements ; développer ensuite des tests pour mesurer la fréquence de ces risques et l’efficacité des mesures destinées à les réduire ; enfin, rendre le fonctionnement du système transparent.
« Cette collaboration entre l’IA et les humains pour développer de meilleurs ensembles de données et de meilleurs modèles est essentielle. »
« Il est surtout important de s’appuyer sur une obligation de transparence. » Celle-ci concerne notamment les données utilisées, les modèles et les moments où l’IA intervient.
Pineau plaide également en faveur de systèmes utilisables dans de nombreux contextes, pour un type de tâche bien défini. Elle cite Segment Anything, un modèle développé par le laboratoire d’IA de Meta qui délimite les objets dans les images et les vidéos. Il n’a pas été spécifiquement entraîné sur des images médicales, mais peut délimiter des tumeurs avec une grande fiabilité.
Elle souligne le rôle des humains dans son développement : le modèle aide à annoter les données, puis des personnes examinent les cas les plus difficiles. « Cette collaboration entre l’IA et les humains pour développer de meilleurs ensembles de données et de meilleurs modèles est essentielle. »
La souveraineté en matière d’IA
Pineau appelle également à développer des « solutions d’IA souveraines » afin de réduire la dépendance vis-à-vis de certains fournisseurs ou pays. Pour les hôpitaux, elle voit un avantage pratique à utiliser des modèles ouverts. Ces derniers peuvent, dans certains cas, fonctionner localement sur leurs propres serveurs : « Il n’est donc pas nécessaire d’envoyer ses données à un fournisseur. » Un hôpital peut ainsi décider lui-même où conserver et traiter les données des patients, et comment en protéger la confidentialité.
Cette liberté de choix constitue son message final. Les établissements de soins doivent pouvoir décider où se trouvent leurs données, quelle technologie ils utilisent et comment celle-ci est régie. « La capacité à choisir le modèle de gouvernance qui déterminera comment la technologie est déployée est essentielle pour préserver notre capacité d’innovation. »