« L' intelligence artificielle (IA) est déjà présente dans nos outils d'imagerie, essentiellement en échographie avec des logiciels de mesures automatiques, qui remplacent les calculs faits manuellement et permettent de faire les examens plus rapidement, rappelle le Pr Erwan Donal. Les outils existaient depuis les années 1970-1980, mais les ordinateurs n'étaient pas assez puissants pour exploiter toutes les informations ».
Le machine learning en imagerie cardiovasculaire
Mais l'IA, via le « machine learning », que l'on peut traduire par apprentissage automatique, c'est aussi une aide au diagnostic et à la prédiction. Avec cette technologie, l'ordinateur apprend, sans avoir été spécifiquement programmé, à partir d'une masse d'informations, le big data. Il est par exemple possible de calculer la prédiction de réponse à un traitement à partir des données cliniques, biologiques et surtout d'imagerie.
Plusieurs publications récentes ont souligné le potentiel majeur du machine learning en imagerie cardiovasculaire, que ce soit dans la resynchronisation, pour mieux définir la cardiomyopathie du diabète ou encore pour différencier cœur d'athlète et cœur pathologique. Dans la resynchronisation notamment, une étude menée sur plus de 1 100 patients insuffisants cardiaques de la cohorte MADIT-CRT a montré que le machine learning était capable, à partir de paramètres cliniques et d'imagerie, de définir plusieurs phénotypes de patients et de mieux identifier ceux susceptibles de bénéficier d'une resynchronisation (1).
«L'IA, qui intègre une énorme masse de données, permet d'améliorer nos capacités diagnostiques et de prédiction et de tendre ainsi vers une médecine plus personnalisée que la médecine basée sur les preuves, à laquelle nous étions habitués depuis plusieurs décennies », souligne le Pr Donal.
Vers une homogénéisation de la prise en charge
Autre atout de ces évolutions technologiques : l'homogénéisation des prises en charge, qui à terme permettra au patient quel que soit son lieu de vie, d'accéder à un médecin devenu expert grâce à l'aide apportée par l'IA qui permettra un dépistage plus précoce. Ces outils ne remplacent pas le praticien, qui reste maître de la décision finale, mais ils constituent une aide pour le diagnostic et la stratégie de prise en charge.
Le machine learning représente par exemple un outil très prometteur chez les patients ayant une insuffisance cardiaque à fraction d'éjection préservée, pathologie hétérogène, de diagnostic difficile. Grâce à l'IA, on peut espérer définir plus précisément cette atteinte cardiaque et distinguer différents phénotypes.
« Il faut bien sûr appréhender ces nouveaux outils, apprendre à les manipuler, poursuit le Pr Donal. Chacun peut par exemple comparer ses propres mesures en échographie à celles faites automatiquement par la machine ».
Et si aujourd'hui les résultats les plus robustes ont été rapportés en échographie, un immense champ d'investigation existe aussi concernant le scanner, l'IRM…
D'après un entretien avec le Pr Erwan Donal (CHU Rennes).
54 % des médecins femmes ont été victimes de violences sexistes et sexuelles, selon une enquête de l’Ordre
Installation : quand un cabinet éphémère séduit les jeunes praticiens
À l’AP-HM, dans l’attente du procès d’un psychiatre accusé de viols
Le texte sur la fin de vie examiné à l'Assemblée à partir de fin janvier