Un ordinateur pourrait accéder automatiquement à des scanners pour voir les risques de santé potentiels avant qu'ils ne soient évidents. Kevin Lamarque/Reuters

Il y a une innovation qui pourrait révolutionner la médecine: avoir un moyen de détecter des maladies avant que les signes soient visibles. 

Une étude publiée récemment dans la revue Scientific Reports pourrait nous rapprocher de cette possibilité. L'article montre comment l'analyse par intelligence artificielle de scanners médicaux de routine peuvent être utilisés comme puissants indicateurs sur la santé d'une personne et son risque de mortalité.

Pour cette étude, les chercheurs ont utilisé un algorithme d'apprentissage automatique pour analyser les scanners de 48 adultes âgés de plus de 60 ans. En comparant les données de ces scanners, le système était capable de prédire la probabilité que les participants meurent dans les cinq prochaines années avec un taux de précision d'environ 70% — soit la même précision que les prédictions faites par un expert humain, selon l'étude. (Les chercheurs ont utilisé d'anciennes données de patients qui avaient déjà survécu ou sont morts dans l'espace de cinq ans, ce qui leur a permis de verifier les prédictions du système.)

Les scanners de la poitrine (tomodensitométrie) sont d'excellentes façons d'examiner la santé de quelqu'un parce qu'ils permettent aux médecins de voir les principaux organes tels que le coeur, les poumons mais aussi les principaux vaisseaux sanguins. Les experts utilisent ces images pour vérifier les biomarqueurs comme les tumeurs et mesurer par exemple la quantité d'artériosclérose, un indicateur d'accumulations dangereuses dans les artères. Le système d'apprentissage automatique fonctionne différemment et identifie de subtiles variations parmi les patients pour identifier des anomalies potentiellement dangereuses.

Cela veut dire que les chercheurs ne peuvent être totalement certains des facteurs que le système a appris à associer avec la plus grande probabilité de mourir. Mais ils sont certains qu'avec plus de données, le système pourrait mieux distinguer les anomalies. Les chercheurs effectuent désormais une étude similaire avec plus de 12.000 participants.

La promesse d'une radiologie de précision 

Une application immédiate de cette technologie d'IA serait d'analyser plus de données issues basés sur des scanners de poitrine de routine et de fournir des estimations de risque sans qu'un expert humain n'ait à examiner chaque scanner.

Mais ce sont les implications à long terme de cette étude qui exaltent le plus les chercheurs.

"Bien que pour cette étude un petit nombre de patients a été utilisé, notre recherche montre que l'ordinateur a réussi à reconnaître l'imagerie complexe des maladies, ce qui demande un entraînement intensif même pour les experts humains", dit Luke Oakden-Rayner, l'auteur principal de l'étude dans un communiqué de presse.

"Nos recherches ouvrent de nouvelles voies à l'application de l'intelligence artificielle dans l'analyse d'images médicales, et pourrait offrir un nouvel espoir pour la détection rapide des maladies graves nécessitant des interventions médicales spécifiques."

L'idée de base derrière la médecine de précision est que de larges quantités de données de santé peuvent être analysées pour déterminer comment des différences minimes entre les gens peuvent affecter leur santé. Cette analyse peut aider les gens à comprendre comment leurs caractéristiques uniques peuvent les rendre plus ou moins sujets à une maladie ou un état.

"L'Homme de Vitruve" par Léonard de Vinci. Wikimedia Commons

Le développement de ce type de technologie est en grande partie l'objectif d'une recherche comme la Precision Medicine Initiative.

La majorité de la recherche en "médecine de précision" s'est pour l'instant concentrée sur la génétique, puisque le génome humain possède une grande variété d'information sur la santé, incluant des indices sur la prédisposition à certaines maladies.  

Mais la génétique est moins utile pour comprendre les maladies chroniques et liées à l'âge comme les maladies cardiaques, le cancer et le diabète. Ces maladies sont les principales causes de mortalité mais selon l'étude, 70% à 90% des caractéristiques observables de ces conditions ne sont pas génétiques. En effet, le mode de vie et l'environnement jouent un rôle majeur, la génétique ne peut nous donner que des informations limités sur ces maladies. 

Pour appliquer une approche de médecine de précision à ces conditions, les chercheurs ont besoin d'une tout autre source de données de santé, quelque chose de moins intrusif qui fourni de grandes quantités d'informations pour beaucoup de personnes. C'est là que la tomodensitométrie et la radiologie entrent en jeu. 

Les chercheurs de cette étude expliquent qu'un simple scanner peut révéler toutes sorte d'informations sur les organes internes d'une personne. Et c'est l'un des premiers emplacements où les signes des principales grandes maladies apparaissent même avant qu'un patient s'aperçoive que quelque chose ne va pas. Par conséquent, un système qui pourrait analyser les scanners de la poitrine et examiner automatiquement les indicateurs d'une maladie pourrait être capable de prédire le développement de nombreuses maladies.

Bien que cette récente étude soit prometteuse, elle a seulement porté sur un faible nombre de patients et s'est concentrée uniquement sur les données issues de la tomodensitométrie. Davantage de recherches sont nécessaires, mais les scientifiques espèrent qu'une approche similaire appliquée à plus grande échelle pourrait aider les médecins à détecter les maladies plus tôt et intervenir.

Ce serait assez révolutionnaire.

"Au lieu de se concentrer à diagnostiquer les maladies, les systèmes automatiques pourraient faire des diagnostics médicaux d'une manière que les médecins ne sont pas formés à faire, en incorporant de larges quantités de données et en détectant des tendances subtiles," dit Oakden-Rayner.

Version originale: Kevin Loria/Business Insider

Vous avez apprécié cet article ? Likez Business Insider France sur Facebook !

Lire aussi : Un célèbre mathématicien explique comment une future alliance homme-machine va significativement améliorer notre santé