Alors que les projets incorporant l’intelligence artificielle (IA) dans l’analyse d’imagerie se multiplient, l’échographie reste un domaine dans lequel ces nouveaux outils analyses peinent à s’intégrer. C’est ce constat qu’espère changer le projet SUOG (pour Smart Ultrasounds in Obstretics and Gynecology), qui propose un dépistage des anomalies fœtales en temps réel, et dont les essais cliniques à grande échelles sont prévus cette année.
« L’objectif du projet SUOG est d’outiller ceux en première ligne. Il y a plusieurs milliers de signes différents qui peuvent être visibles lors d’une échographie. Au cours de sa carrière, un échographiste n’en voit qu’un dixième au maximum, il a donc besoin d'assistance pour le guider sur quels bons signes chercher pour faire les bonnes hypothèses de diagnostic », commente le Dr. Ferdinand Dhombres du service de médecine fœtale de l’Hôpital Trousseau à Paris et porteur du projet.
L’assistant prendra la forme d’un logiciel intégré à l’échographe, qui proposera à l’opérateur des diagnostics pendant l’examen. Une aide nécessaire, car l’on estime à 130 000 le nombre de cas d'anomalies congénitales et à environ 50 000 de celui de grossesse extra-utérine sur 5 millions de naissances chaque année en Europe.
Une intégration de l’IA plus complexe qu’en radio
« C’est bien plus compliqué qu’en radiologie, atteste le Dr. Ferdinand Dhombres. En radio standardisée, le plan d’observation est toujours le même, ce qui n’est pas le cas lors d’une échographie qui a autant de coupes que de positions de la sonde. » Pour ce faire, les chercheurs ont utilisé une méthode d’IA hybride.
SUOG repose donc sur la combinaison d’un modèle entrainé en apprentissage supervisé à la reconnaissance d’images échographiques à partir d’une base de 120 000 images annotées, et d’algorithmes de raisonnement sémantique. « Ces derniers sont basés sur des représentations de connaissances, des ontologies, et vont venir questionner le modèle, permettant d'avoir des réponses qui vont tenir compte des relations des différents concepts du domaine », détaille-t-il. En cadrant ainsi les résultats obtenus, ces algorithmes ne souffrent pas de l’effet « boite noire » de l’IA, et leurs processus de décision restent lisibles par l’échographiste.
En partenariat avec General Electric Healthcare, la commercialisation de SUOG devrait voir le jour fin 2023. Une étape importante pour le Dr. Dhombres : « Il faut que l'outil marche, il faut qu'il y ait un public mais surtout il faut qu'il soit porté jusqu'au patient. Ce dernier point explique la nécessité des partenariats dans la recherche. » Dans une étude publiée en 2019 dans The Lancet Digital Health, il est estimé que moins de 10 % des algorithmes médicaux basés sur l'intelligence artificielle et l'apprentissage automatique finissent par aboutir à une validation. « Dont aucun en obstétrique, complète le Dr. Ferdinand Dhombres. C’est un vrai problème. »
La plateforme « IA en Santé »
Pour visibiliser les solutions en IA appliquées au domaine médical, l’Agence nationale d'appui à la performance des établissements de santé et médico-sociaux (Anap) a mis en place une nouvelle plateforme « IA en Santé », qui rassemble les différents projets français du domaine, dont SUOG. « Nous voulons faire émerger sur le marché les solutions isolées, explique Tim Brienen, directeur associé à l’Anap. Cette plateforme donne à voir ce qui se passe dans les établissements, et adresse un "emparez-vous en !" aux décideurs. »
Diagnostiquer plus rapidement les cancers à partir d’imageries, assister les chirurgiens grâce à la réalité augmentée, gérer les flux d’arrivants aux urgences ou encore créer des jumeaux numériques de l’anatomie des patients pour concevoir des prothèses aortiques sur mesure : ce sont en tout une vingtaine de projets, à divers stades de maturité qui sont rassemblés sur la plateforme depuis le 14 avril.
