L’IA prête à devenir un outil de diagnostic médical indispensable

Nouveaux outils pour d’anciens diagnostics

Since the dawn of medicine, many diagnostics rely on the visual inspection of a patient. This is still true for ear infections, usually requiring an experienced clinician to be properly diagnosed.

Dans ce cas précis, l’expérience et la compétence du médecin comptent beaucoup, comme des études antérieures de cliniciens ont rapporté une précision diagnostique de l’AOM allant de 30 % à 84 %, selon le type de prestataire de soins, le niveau de formation et l’âge des enfants examinés.

En conséquence, de nombreuses infections de l’oreille sont mal diagnostiquées comme otite moyenne avec épanchement, ou liquide derrière l’oreille, une condition qui ne comporte généralement pas de bactéries et ne bénéficie pas d’un traitement antimicrobien.

Mais un nouvel outil a maintenant été développé pour aider les médecins, s’appuyant sur l’émergence de la vision artificielle de l’IA, ainsi que sur l’omniprésence des smartphones. Il pourrait aider à réduire l’utilisation inutile d’antibiotiques, ce qui conduit à l’émergence problématique de la résistance aux antibiotiques.

“Le sous-diagnostic entraîne des soins inadéquats et le surdiagnostic entraîne un traitement antibiotique inutile, ce qui peut compromettre l’efficacité des antibiotiques actuellement disponibles. Notre outil aide à obtenir le bon diagnostic et à guider le traitement approprié.”

Alejandro Hoberman, M.D., Prof. de pédiatrie et directeur de la Division of General Academic Pediatrics à la School of Medicine.

Source: UPMC

C’est également un problème très fréquent, avec 70 % des enfants contractant une infection de l’oreille au cours de leur première année de vie.

Diagnostic IA

Le Pr Hoberman s’est associé à des chercheurs de la Tandon School of Engineering à New York, du Bosch Center for Artificial Intelligence à Pittsburgh, et de Dcipher Analytics à Stockholm, en Suède, pour développer un outil d’IA de détection des infections de l’oreille.

Ils ont publié leurs résultats dans JAMA Pediatrics, sous le titre « Development and Validation of an Automated Classifier to Diagnose Acute Otitis Media in Children».

L’outil d’IA résultant ne nécessite qu’un otoscope connecté à la caméra d’un smartphone.

Ils ont créé deux modèles d’IA différents et utilisé une base de données de 1 151 vidéos du tympan provenant de 635 enfants. Ils ont ensuite demandé à des experts d’annoter manuellement chaque vidéo comme correspondant ou non à une infection de l’oreille.

921 vidéos ont été utilisées pour entraîner l’IA, et les 230 vidéos restantes ont servi de test pour évaluer la précision de l’IA.

Parmi les paramètres mesurés pour un diagnostic correct figuraient la forme, la couleur, la position et la translucidité du tympan.

Source: UPMC

Résultats médicaux supérieurs

Les deux modèles étaient très précis, affichant une sensibilité de 9,38 % et une spécificité de 93,5 %. Cela signifie que les IA détectaient non seulement l’infection avec précision, mais présentaient également un taux très faible de faux négatifs et de faux positifs.

Il convient également de noter que cette précision est supérieure même aux meilleurs résultats obtenus par identification visuelle par les médecins, et bien plus élevée que les résultats obtenus dans des conditions moins idéales (enfants plus jeunes, médecins non formés, etc.).

La vidéo peut être enregistrée et archivée. Celle-ci peut d’abord être utilisée pour expliquer le diagnostic au patient ou aux parents du patient et être archivée dans le dossier du patient. Les vidéos enregistrées peuvent également servir à former les étudiants en médecine ou les résidents et fournir un outil d’enseignement précieux pour les hôpitaux et les cabinets médicaux.

Cela devrait également aider les médecins de famille à poser le bon diagnostic et à réduire la surprescription d’antibiotiques.

La simplicité de mise en œuvre de cet outil, n’utilisant que le smartphone d’un médecin et un otoscope, devrait également permettre un déploiement très rapide et une adoption aisée.

Entreprises de diagnostic IA

Pendant longtemps, l’application de l’IA à des environnements complexes comme le corps humain ne fonctionnait pas, car elle peinait à gérer le « désordre » des données fournies.

Les nouvelles technologies comme les réseaux neuronaux ont changé cela, créant la « vision machine », dont certaines des applications les plus connues sont les voitures autonomes.

De nombreux diagnostics médicaux aujourd’hui reposent encore sur l’opinion des médecins et l’expertise provenant de l’étude manuelle de milliers d’images de scanners, d’IRM et également de tympans. Si les IA peuvent désormais déterminer où se trouvent les cyclistes sur la route, elles s’améliorent également, voire surpassent les humains, dans la détection des infections, des tumeurs et d’autres problèmes médicaux.

De nombreuses grandes entreprises intègrent l’IA dans leurs systèmes d’imagerie, comme GE Healthcare, Siemens Healthineers , Canon Medical et Philips. Cependant, en raison de leur taille, elles ne sont guère de purs acteurs du diagnostic médical IA.

D’autres startups plus spécialisées sont cotées en privé, comme PathAI et Viz.AI par exemple. Nous nous sommes donc concentrés sur les actions cotées en bourse.

1. Butterfly Network

Butterfly est à la fois le développeur d’un outil de diagnostic par ultrasons ultra-portable avancé et d’un logiciel intégré utilisant l’IA pour aider au diagnostic, appelé « Compass ».

Source: Butterfly Network [securities_stock_price_tag symbol="BFLY" exchange="NYSE"]

L’entreprise en est maintenant à la 3^e génération de son sonde à ultrasons, avec le lancement en 2024 de l’iQ3, offrant un taux de transfert de données plus élevé et 2 fois la puissance de traitement de la version précédente. Comme toutes les sondes à ultrasons Butterfly précédentes, elle repose sur la technologie supérieure de « ultrasound‑on‑chip » à base de semi-conducteurs plutôt que sur les capteurs piézoélectriques classiques.

L’iQ3 offre une expérience utilisateur supérieure, incluant la possibilité de visualiser simultanément la 3D et les multi‑plans, un logiciel cloud intégré, et un démarrage rapide, le tout à un prix plus abordable.

L’entreprise utilise l’IA pour améliorer les images, générer automatiquement des mesures pertinentes pour le diagnostic, ainsi que pour fournir des pratiques de formation/enseignement.

Source: Butterfly Network

Butterfly s’étend rapidement à de nouveaux marchés en Asie (Singapour, Indonésie, Philippines, etc.), ainsi que sur les marchés vétérinaires, par exemple pour vérifier la santé du bétail d’engraissement, en tirant parti de l’ultra‑portabilité de son outil à ultrasons.

2. Enlitic (ENL.AX)

Enlitic a développé un système d’IA pour analyser les images radiologiques et générer automatiquement des descriptions standardisées des images. Cela représente donc la prochaine étape dans les mégadonnées d’images radiologiques, suivant l’adoption de normes techniques comme DICOM ou HL7.

Pour ce faire, la technologie d’Enlitic utilise la vision par ordinateur et le traitement du langage naturel pour analyser les images DICOM, identifiant divers paramètres tels que les parties du corps, l’orientation, le contraste et l’épaisseur de coupe pour les images CT, MR et radiographiques.

Source: Enlitic

Ce type de normalisation sera nécessaire pour le progrès de l’IA en radiologie, ainsi que pour la télémédecine et l’automatisation. Il offrira l’interopérabilité entre les systèmes, en s’appuyant sur un système d’étiquetage fiable.

Cela devrait également aider à la monétisation de ces données par les hôpitaux et les centres de radiologie, afin de fournir des données anonymisées et standardisées pour d’autres entraînements d’IA.