Technologies de rupture
Au niveau de chaque maillon, comme illustré ci-dessous, des cas d’usage de l’IA sont en train d’être investigués ou même déployés par divers industriels et établissements de soins. Qu’il s’agisse de produits commercialisés, de développements en cours ou de projets de recherche, les percées de l’IA se multiplient, et surtout, se diversifient le long de la chaîne.
Or qui dit chaîne et maillons, dit aussi possibilités de rupture.
Un maillon en particulier semble déjà fragilisé, celui de l’analyse approfondie des images médicales. Segmentation, extraction ou classification de caractéristiques d’images, sont autant de tâches aujourd’hui propres au radiologue, certes assisté par ordinateur, mais où l’IA commence à faire aussi bien, sinon mieux, et de manière autonome (voir schéma 1).
Or qui dit chaîne et maillons, dit aussi possibilités de rupture.
Un maillon en particulier semble déjà fragilisé, celui de l’analyse approfondie des images médicales. Segmentation, extraction ou classification de caractéristiques d’images, sont autant de tâches aujourd’hui propres au radiologue, certes assisté par ordinateur, mais où l’IA commence à faire aussi bien, sinon mieux, et de manière autonome (voir schéma 1).
2018, année charnière
En effet, les cinq dernières années (2012-2017) ont été celles du grand saut de l’apprentissage profond (deep learning), dans tous les domaines riches en big data d’imagerie, très propice à cette technique (voir schéma 2). Ceci, grâce au bond spectaculaire de la capacité d’analyse de grandes quantités d’images, qu’elles proviennent des capteurs d’une voiture autonome ou de ceux d’un scanner.
Fortes de ce catalyseur, les cinq prochaines années, quant à elles, seront celles du passage à l’apprentissage machine (machine learning) et à une IA moins ponctuelle et plus généralisée.
Fortes de ce catalyseur, les cinq prochaines années, quant à elles, seront celles du passage à l’apprentissage machine (machine learning) et à une IA moins ponctuelle et plus généralisée.
Nadim Daher, Expert Marché Imagerie Médicale, Frost & Sullivan
Le passage obligé de l’ubérisation
Trois nouveaux phénomènes s’accélèrent ces derniers mois :
Un phénomène de démocratisation d’abord, puisqu’on assiste à l’expansion rapide des applications IA d’imagerie au-delà des stations de post-traitement des images (PACS, visualisation avancée), vers des plateformes Cloud à la demande, donc plus flexibles et plus largement accessibles, alors même que l’IA se popularise, aussi bien dans les consciences que sur le terrain.
Un phénomène d’ubérisation ensuite, puisque les applications IA d’imagerie commencent à se rapprocher de plus en plus de la modalité, permettant une robotisation de tâches physiques ou qualitatives propres au manipulateur. En poussant sa progression encore plus loin, intra-modalité, pré-pixel, l’application de l’IA au niveau des signaux bruts permet la reconstruction d’images en une fraction du temps et de la dose de radiation et de contraste habituels. Cette nouvelle étape, tout juste enclenchée, rend possible d’envisager à terme une « désintermédiation » progressive de l’image elle-même…
Un phénomène de généralisation, enfin, avec l’arrivée progressive de l’IA sur des cas d’usage actuellement moins développés, tels que l’aide au choix de l’acte d’imagerie le plus pertinent, la corroboration d’images avec d’autres données hétérogènes, le pronostic, ...
Un phénomène de démocratisation d’abord, puisqu’on assiste à l’expansion rapide des applications IA d’imagerie au-delà des stations de post-traitement des images (PACS, visualisation avancée), vers des plateformes Cloud à la demande, donc plus flexibles et plus largement accessibles, alors même que l’IA se popularise, aussi bien dans les consciences que sur le terrain.
Un phénomène d’ubérisation ensuite, puisque les applications IA d’imagerie commencent à se rapprocher de plus en plus de la modalité, permettant une robotisation de tâches physiques ou qualitatives propres au manipulateur. En poussant sa progression encore plus loin, intra-modalité, pré-pixel, l’application de l’IA au niveau des signaux bruts permet la reconstruction d’images en une fraction du temps et de la dose de radiation et de contraste habituels. Cette nouvelle étape, tout juste enclenchée, rend possible d’envisager à terme une « désintermédiation » progressive de l’image elle-même…
Un phénomène de généralisation, enfin, avec l’arrivée progressive de l’IA sur des cas d’usage actuellement moins développés, tels que l’aide au choix de l’acte d’imagerie le plus pertinent, la corroboration d’images avec d’autres données hétérogènes, le pronostic, ...
En route pour une IA made in France
C’est ce dernier phénomène qui ouvrira la voie à la prochaine grande transition, celle qu’on prévoit à 10 ou 20 ans : le passage d’une palette d’applications IA niches, à une séquence ininterrompue d’applications IA.
1,5 milliards d’euros débloqués sur 5 ans par l’administration actuelle pour développer l’IA en France, avec la Santé en tête des priorités, ce n’est pas rien. Écosystème d’innovation stimulé, accès simplifié à des données mutualisées pertinentes, … tout cela mettra sans doute un coup d’accélérateur à la construction d’une IA en imagerie médicale made in France.
Le pari gagnant de nouvelles technologies résolument françaises serait de réussir à mettre l’IA, et les capacités analytiques en général, au service des enjeux majeurs de l’imagerie médicale locale. Par exemple, l’enjeu de la pertinence des actes d’imagerie, leur intégration aux offres de soins régionales, ou la mise en place de nouvelles structures de rémunération des actes basées sur la valeur et le résultat.
1,5 milliards d’euros débloqués sur 5 ans par l’administration actuelle pour développer l’IA en France, avec la Santé en tête des priorités, ce n’est pas rien. Écosystème d’innovation stimulé, accès simplifié à des données mutualisées pertinentes, … tout cela mettra sans doute un coup d’accélérateur à la construction d’une IA en imagerie médicale made in France.
Le pari gagnant de nouvelles technologies résolument françaises serait de réussir à mettre l’IA, et les capacités analytiques en général, au service des enjeux majeurs de l’imagerie médicale locale. Par exemple, l’enjeu de la pertinence des actes d’imagerie, leur intégration aux offres de soins régionales, ou la mise en place de nouvelles structures de rémunération des actes basées sur la valeur et le résultat.
L’IA intra-modalité, transformationnelle
C’est l’avènement de la machine intelligente, consciente de sa tâche à accomplir, informée sur l’image qu’elle est chargée de reconstruire, réactive au positionnement en temps réel de « son » patient, adaptable à son anatomie spécifique, guidée par la pathologie décelée en cours de route... En somme, une machine qui brûle les étapes vers la recommandation clinique, capable de dire, par exemple : « Ce patient a une hémorragie inter-crânienne. J’ai donc lancé une séquence supplémentaire pour la quantifier. Il semblerait qu’il s’agisse d’un AVC hémorragique. Je crois voir par ailleurs d’autres traumatismes. Je propose donc de lancer un scan corporel entier. Après quoi, ce patient doit être opéré d’urgence. »
C’est l’avènement de la machine intelligente, consciente de sa tâche à accomplir, informée sur l’image qu’elle est chargée de reconstruire, réactive au positionnement en temps réel de « son » patient, adaptable à son anatomie spécifique, guidée par la pathologie décelée en cours de route... En somme, une machine qui brûle les étapes vers la recommandation clinique, capable de dire, par exemple : « Ce patient a une hémorragie inter-crânienne. J’ai donc lancé une séquence supplémentaire pour la quantifier. Il semblerait qu’il s’agisse d’un AVC hémorragique. Je crois voir par ailleurs d’autres traumatismes. Je propose donc de lancer un scan corporel entier. Après quoi, ce patient doit être opéré d’urgence. »
Envoyer à un ami
Version imprimable
Partager