Milvue, l’IA au service de la radiologie

by sih solutions février 25, 2019

Edgar Dutreil, Co-créateur de Milvue

Les nouvelles avancées de l’Intelligence Artificielle, dans le domaine de la santé, fascinent autant qu’elles inquiètent. Edgar Dutreil, co-créateur de Milvue, une solution utilisant le Machine et le Deep learning pour l’interprétation en radiologie, nous offre son regard d’entrepreneur sur cette technologie.

Ce n’est plus un secret pour personne : dans le secteur de la santé, l’Intelligence Artificielle a le vent en poupe.

Alors qu’elle faisait figure d’épouvantail il y a deux ans, l’Intelligence Artificielle s’est fait une beauté en 2018. Et elle n’a pas lésiné sur le maquillage :

  • Le nombre de levées de fonds a atteint un pic : dans la détection d’anomalies, Zebra et Arterys mènent la danse, chacune ayant levé pas moins de 30 millions de dollars pour accélérer leur développement.
  • Les principales marketplaces, RSNA, ECR, JFR, HIT… ont toutes mis l’intelligence artificielle à l’honneur. Près d’une centaine de startups étaient présentes pour se faire connaître, certaines pour évangéliser, la plupart pour prendre la température auprès des professions concernées.
  • Enfin, il est intéressant de noter que le débat sur les grandes questions de fond lui-même a évolué vers davantage de tolérance. L’idée qu’une IA dite “forte” détrônerait le radiologue est révolue. S’y est substituée une conception plus réaliste - plus pragmatique – de l’IA.

Radiologie et IA (intelligence artificielle)

Approfondissons cette métaphore. Derrière ce maquillage, il importe de voir le vrai visage de l’IA.

  • L’IA est davantage analysée même si la part fantasmée subsiste. En effet, le rythme et l’orientation de la recherche autour de l’IA, en imagerie, montrent que les dix prochaines années verront éclore de nouveaux usages, sans que l’apport de la radiomics, combiné au deep-learning ne permettent d’automatiser des processus cognitifs  – l’acte interprétatif  –  dont la complexité découle davantage du mélange des genres que de la capacité de calcul. Données histologiques, anamnestiques, biologiques, radiographiques sont souvent nécessaires pour aboutir à un diagnostic sûr.
  • Autrement dit, l’IA de demain reste … inintelligente. Nos conclusions rejoignent celles d’Incepto, d’Aidoc et autres spécialistes du sujet. Les réseaux neuronaux type CNN ne promettent rien d’autre que de la détection d’anomalies et ce sont bien les pathologies les plus complexes qui vont cristalliser les efforts des prochaines années, comme le soulignait le responsable du pôle d’imagerie de l’hôpital Saint-Joseph, le Dr Marc Zins. Ainsi, la détection différenciée des nodules et des épanchements pleuraux est un cas de figure intéressant pour nous.
  • Dès lors, une IA du troisième type, ou IA transverse ou cross-data, qui permettrait de remplacer le radiologue, n’est pas pour demain. Quid du radiologue ? Augmenté ? Par-là, il faut comprendre que le radiologue sera de plus en plus enclin à agir en médecin, et de moins en moins en opérateur. Le spectre du “data scientist” est selon nous conjuré, une expression qui suscitait des inquiétudes il y a quelque mois dans les rangs de la FNMR.

Cette analyse peut décevoir. Elle ne doit pourtant pas occulter le fait que les premiers retours d’expérience sont positifs. Déjà commence à émerger un paradigme d’entraînement algorithmique.

  • N’essayons pas de tracer des courbes d’apprentissage prospectif pour chaque usage, la corrélation entre volume, ou profondeur, des dataset et la performance de l’IA ne fait plus débat.
  • Mieux, entraînés sur des bases de données hautement structurées par des équipes combinant data scientists, ingénieurs deep-learning et radiologues spécialisés dans les pathologies cibles, les réseaux de neurones approchent à grands pas des performances qui dépassent aujourd’hui le seuil symbolique des 95%. Contre toute attente, ajoutons qu’un dosage vertueux d’entrainement, supervisé et non-supervisé, fait son chemin dans le milieu scientifique, deux approches aux antipodes se nourrissant l’une de l’autre.
  • Milvue s’inscrit dans cette lignée d’aventuriers de l’IA. Aux côtés de Vinci Cortambert, notre partenaire historique, mais également à travers nos collaborations hospitalières, l’équipe Milvue vise l’excellence analytique, dans le respect des règles de déontologie édictées par le CNOM et la HAS. Sur ce point, ajoutons que nos choix stratégiques sont systématiquement pris en concertation avec des experts du droit de la santé.

En guise de conclusion, si les systèmes experts embarqués ne sont pas pour demain, reste qu’un produit dopant et bon marché n’a jamais été aussi présent : l’espoir.

762 millions de dollars de capitaux levés sur les 6 dernières années nous confortent dans l’idée que l’IA est une vraie lame de fond. Reste à prouver l’homothétie entre des essais cliniques, pour l’instant réussis, et un impact coût-bénéfice à la hauteur des attentes, une fois l’IA intégrée et déployée dans le flux.

 

Laisser un commentaire