L’intelligence artificielle (IA) s’invite dans tous les
secteurs de la connaissance, de la recherche et du quotidien. La
radiologie n’est pas en reste, au point que les radiologues ont pu
se sentir menacés par le développement exponentiel de l’IA dans
leur domaine et les performances impressionnantes de certains
algorithmes basés sur l’apprentissage profond (deep
learning). Il n’en est rien : les réseaux de neurones
artificiels et autres outils de l’IA n’ont pas vocation à remplacer
les humains à l’heure actuelle, mais à les aider dans la
réalisation de certaines tâches fastidieuses ou répétitives. Il
importe néanmoins de se familiariser aux concepts nouveaux
nés de l’IA pour les maîtriser et les exploiter au mieux en
songeant à l’avenir et aux transformations inéluctables de
l’imagerie.
Un large spectre d’applications
Dans son principe de base, l’IA s’attache à développer des
algorithmes d’aide à l’évaluation diagnostique et pronostique à
partir de vastes séries de données, en recourant à l’apprentissage
automatique le plus puissant qui soit : le deep learning.
L’IA trouve en neuroradiologie un terrain particulièrement propice
au déploiement de ses talents et de son potentiel. De nombreux
algorithmes sont déjà opérationnels à l’état de prototypes ou en
cours de développement et la plupart des grands acteurs industriels
du domaine en font un axe prioritaire de leur recherche et
développement. A titre d’exemple, les outils d’aide au diagnostic
des AVC, des hématomes intracérébraux ou des hémorragies
cérébro-méningées sur le scanner cérébral sont en cours
d’élaboration, à un stade très avancé pour certains. Il s’agirait
d’une aide précieuse dans les services d’urgences débordés par une
routine chronophage. Une autre voie d’avenir est la caractérisation
tumorale qui s’annonce plus complexe, car elle pourrait faire
intervenir l’imagerie multimodale. D’une façon générale, un
algorithme bien conçu et bien entraîné peut détecter des anomalies
qui échappent à l’œil nu, d’autant qu’elles sont souvent incluses
dans un nombre croissant d’images de très haute résolution qui
saturent la mémoire de travail de l’opérateur humain… mais pas
celle infatigable de l’ordinateur ou du système de traitement des
données. Le dépistage des lésions, l’estimation de leur volume,
leur classification, leur suivi comparatif, la caractérisation
tissulaire et la différenciation lésionnelle sont autant de
missions qui peuvent être partiellement déléguées à la
machine.
L’IA : une alliée et non une rivale
Dr Philippe Tellier
