L’intelligence artificielle pourrait bientôt aider à détecter une thrombose

Des chercheurs de l’université d’Oxford ont réalisé une étude préclinique sur l’utilisation de l’intelligence artificielle (IA) pour diagnostiquer des thromboses veineuses profondes. L’étude, publiée dans la revue Digital Medicine, montre que, grâce à un système de machine learning, un algorithme pourrait aider les médecins à diagnostiquer cette thrombose. Pour les chercheurs, bien que la méthode ne soit pas exempte de limites, elle permettrait d’accélérer le diagnostic et d’en réduire le coût pour le système de santé.

Une thrombose veineuse profonde est un caillot sanguin qui se forme dans une veine. Le plus souvent, le caillot se forme au niveau de la jambe et peut provoquer des douleurs, un grand inconfort, voir des caillots sanguins dans les poumons, avec un risque de décès ou d’invalidité à long terme.

Comme l’observent les chercheurs, la détection d’une thrombose peut s’avérer assez longue puisqu’elle nécessite une échographie réalisée par un radiologue. Au-delà des longs délais, parfois les patients sont même invités à prendre des médicaments en l’attente de leur examen médical.


►►► A lire aussi : Quand l’intelligence artificielle s’intéresse à notre santé


"Actuellement, de nombreux patients ne reçoivent pas de diagnostic définitif dans les 24 heures qui suivent une suspicion de thrombose veineuse profonde, et beaucoup finissent par recevoir des injections d’un anticoagulant inutile, avec des effets secondaires potentiels", constate le Dr Nicola Curry, chercheur responsable de l’étude.

Un outil complémentaire

Pour réaliser l’étude, des chercheurs de l’université d’Oxford, de Sheffield et de l’Imperial College ont collaboré avec une société externe spécialisée en IA.

L’objectif était d’entraîner un algorithme basé sur l’intelligence artificielle (AutoDVT) à distinguer les patients affectés par une thrombose de ceux qui ne l’étaient pas. Cet outil se voudrait complémentaire à l’échographie qui est actuellement considérée comme le meilleur outil de diagnostic, mais qui est effectué uniquement par un spécialiste. Si cet outil se généralisait, même le personnel de soin non spécialisé (médecins généralistes mais aussi personnel infirmier) pourrait prendre en charge le diagnostic, au moins dans sa phase initiale.


►►► A lire aussi : Intelligence artificielle : jouer la carte du secteur industriel en Europe et en Belgique


Il s’agit là d’un point très important de l’étude, pour les auteurs : Une fois l’échographie effectuée, ce qui pose problème, c’est souvent son interprétation. L’intelligence artificielle interviendrait alors comme un outil complémentaire.

A terme, l’objectif des chercheurs est de développer cette IA pour qu’elle puisse aider à exclure les cas négatifs, ce qui limiterait les consultations chez les spécialistes aux cas où les suspects de thrombose veineuse profonde sont plus importants.

L’avantage serait donc de réduire le temps d’attente chez le spécialiste et de rassurer les patients, garantissant donc une prise en charge plus rapide et moins stressante. Sans oublier que cela éviterait à de nombreuses personnes de recevoir inutilement un médicament anticoagulant.

Les résultats sont prometteurs

Si ce n’est pas la première fois que l’IA intervient pour aider la médecine, les chercheurs d’Oxford affirment qu’aucune étude ne s’est intéressée à son utilisation dans le domaine des thromboses veineuses profondes. Et même au niveau de la méthode, la démarche est un peu différente par rapport à ce qui se fait habituellement.

En effet, en général, les algorithmes basés sur le machine learning sont entraînés à reconnaître des affections au départ d’images de tissus ou organes sains. Ici, on a uniquement appris à l’algorithme ce à quoi ressemblait un tissu sain. C’est à partir de cette connaissance que l’IA peut alors détecter les patients potentiellement suspects.


►►► A lire aussi : "Google sait mieux que vous quand vous allez mourir", la santé est un marché très rentable pour les GAFAM


De manière générale, les résultats sont probants et prometteurs, et non seulement en matière de diagnostic. En plus de la prise en charge plus rapide dont nous vous parlons plus haut, cet algorithme permettrait également d’économiser jusqu’à 150 dollars par examen (environ 130 euros) aux services de santé.

L’étude présente des limites

Pourtant, l’étude ne manque pas de limites. Parmi celles-ci, les chercheurs pointent un nombre de patients assez faible dans cette phase de l’étude : cela empêche de généraliser les résultats. Aussi, la marge d’erreur est encore assez importante : en cas de résultat positif, il y a encore entre 20% et 30% de chances que le diagnostic soit négatif et que le patient en question ne présente pas de caillot. Les chercheurs insistent alors sur la nécessité d’un examen supplémentaire en cas de résultat positif, mais restent optimistes, puisque la technologie s’est avérée globalement probante.

Aussi, et c’est pour cela que le modèle doit être encore amélioré, la responsabilité médicale est un autre facteur à considérer : si ce ne sont plus les spécialistes à effectuer le diagnostic, il faut prendre en compte la responsabilité engagée en cas de faux résultat négatif – et donc, de thrombose existante mais non détectée.

Confiants, mais prudents, les chercheurs estiment donc que cette recherche constitue une première étape d’un programme d’essais cliniques plus vastes afin d’évaluer l’efficacité clinique de cette IA dans ce cas précis. Ainsi, la prochaine étape est une étude d’efficacité à mener à grande échelle pour comprendre la fiabilité et la précision de l’algorithme par rapport à la méthode de diagnostic classique.

C’est seulement après toutes ces étapes que le dispositif pourra être proposé comme alternative.

Newsletter info

Recevez chaque matin l’essentiel de l'actualité.

OK