Vision par ordinateur en santé : les applications et les défis de cette nouvelle solution d’IA

Quelles sont les applications de la vision par ordinateur en santé ?

Application n°1 : révolutionner le diagnostic médical

Le diagnostic médical repose souvent sur l’analyse de différentes formes d’imagerie : radiographie, tomodensitométrie (CT scan), imagerie par résonance magnétique (IRM), échographie, tomographie par émission de positons (PET scan) ou fluoroscopie. L’analyse de ces images prend du temps et nécessite souvent les connaissances d’un professionnel de la santé spécialisé dans cette forme d’imagerie. Des solutions de vision par ordinateur ont donc vu le jour pour aider les médecins dans l’analyse de ces images. Si ces technologies ne sont pas encore totalement autonomes, elles peuvent aider à mettre en évidence les zones préoccupantes et réduire le temps nécessaire au médecin pour détecter une anomalie et effectuer le diagnostic.

Application n°2 : améliorer la qualité de l’imagerie médicale

Les images prises sur les patients ou les échantillons sont régulièrement imparfaites. La technologie de computer vision peut également être utile à ce stade du processus d’imagerie, avec des solutions logicielles capables de réduire le flou, d’améliorer le contraste, de réduire le bruit de fond ou d’améliorer l’image d’autres manières. Ces méthodes peuvent donc grandement faciliter le travail du médecin en lui donnant une image plus claire de la situation, voire en lui permettant d’identifier des problèmes jusque-là invisibles. Ces modèles de technologies de vision par ordinateur sont également utilisés dans la recherche médicale, où la microscopie à fluorescence et d’autres techniques d’imagerie sont des outils de recherche majeurs, et pourraient aider à mieux comprendre la physiologie ou à développer de nouvelles solutions thérapeutiques.

Application n°3 : optimiser la précision chirurgicale

L’intelligence artificielle peut être utilisée avec des équipements de pointe pour guider les chirurgiens lors de leurs interventions. L’équipement chirurgical a évolué pour inclure des systèmes de guidage IA capables d’effectuer des tâches plus précises, de réduire la douleur et les complications et de faciliter le rétablissement. Pour contrôler ces robots, les médecins s’appuient sur des caméras, et la vision par ordinateur peut être utilisée pour améliorer leur compréhension de la zone d’opération. Un rendu 3D de la zone peut être obtenu, ou l’image peut être annotée avec du texte et des guides pour aider à la réalisation de l’opération.

Découvrez comment développer des solutions médicales innovantes grâce à l’IA en santé >

Défis et limites de la vision par ordinateur en santé

Malgré les avantages que les algorithmes de vision par ordinateur pourraient apporter à l’industrie des soins de santé, de nombreux défis et limites sont encore présents et pourraient empêcher ces technologies d’être largement utilisées dans l’industrie.

Confiance et transparence

Le premier défi est la nature « boîte noire » de nombreux algorithmes d’IA. Si l’intelligence artificielle peut fournir des diagnostics précis, il est souvent difficile de comprendre comment l’algorithme est parvenu à une conclusion donnée. Ce manque de transparence peut empêcher les professionnels de la santé de faire confiance à la technologie et de l’intégrer dans leur flux de travail, et pourrait entraver la diffusion de ces technologies en raison de limitations réglementaires. Par exemple, un modèle de vision par ordinateur a été mis au point pour détecter le cancer de la peau sur des images provenant d’ensembles de données médicales où le cancer était présent. On a découvert que le modèle identifiait des modèles basés sur des règles et des marques de stylo présentes dans toutes les images de cancers malins.

Disponibilité des données et diagnostic des pathologies rares

La disponibilité des données constitue une autre limite. Les algorithmes d’intelligence artificielle sont formés sur de grands ensembles de données, de sorte que le diagnostic des maladies rares peut être compromis par le manque de disponibilité de données de haute qualité. Ce manque de performance dans les cas rares pourrait avoir un impact sur l’adoption générale de ces solutions de vision par ordinateur, car les médecins pourraient ne pas vouloir utiliser un outil qui n’est pas performant dans les cas rares, qui sont les plus difficiles à diagnostiquer. Les données d’entraînement ne sont souvent pas représentatives de l’ensemble de la population, et les modèles de vision par ordinateur qui en résultent peuvent être moins performants pour un sexe ou une minorité spécifique, ce qui entraîne des différences dans la qualité des soins.

Confidentialité des données

La confidentialité des données est un obstacle majeur pour computer vision et la santé numérique en général. Les informations sur les soins de santé font partie des données les plus sensibles relatives à un individu, et il est important de disposer d’un cadre pour garantir la confidentialité des données. Les patients peuvent rapidement perdre leur confiance dans les solutions numériques si leurs informations sont partagées : accidentellement dans le cas d’une violation de données, ou intentionnellement si leurs données sont utilisées à des fins commerciales. Les hôpitaux sont des organisations complexes dotées d’un large éventail d’équipements connectés à l’internet et constituent donc une cible de choix pour les ransomwares. Des événements récents, au cours desquels des millions de dossiers médicaux comprenant des noms, des numéros de sécurité sociale, des diagnostics et des traitements ont été piratés, ont montré que le secteur a encore un long chemin à parcourir pour assurer la sécurité des données et garantir la confiance des patients dans ces nouvelles solutions de soins de santé.

Les systèmes de vision par ordinateur ont le potentiel de révolutionner les soins de santé en aidant les médecins à diagnostiquer et à traiter les patients, en améliorant la qualité de l’imagerie médicale et en guidant les chirurgiens pendant les procédures. Cependant, des défis importants doivent être relevés avant que ces technologies de vision par ordinateur puissent être largement adoptées. Il s’agit notamment de la nature « boîte noire » de nombreux algorithmes d’IA, de la disponibilité des données pour des pathologies et des groupes de population rares, et des problèmes de confidentialité des données. Il sera essentiel de relever ces défis et ces limites pour que la vision par ordinateur puisse être utilisée de manière sûre et efficace dans les soins de santé afin d’améliorer les résultats pour les patients et de faire progresser la recherche médicale.

L’adoption de la vision par ordinateur dans l’industrie soulève à la fois des défis et des opportunités pour les acteurs de la santé. Alcimed peut vous aider à identifier la meilleure stratégie pour votre entreprise afin d’exploiter la puissance de la vision par ordinateur et de l’IA en santé. N’hésitez pas à contacter notre équipe spécialisée !

[1] Center for Devices and Radiological Health. (2022). Artificial Intelligence and Machine Learning (AI/ML)-Enabled medical devices. U.S. Food and Drug Administration.

A propos de l’auteur, 

Lucas, consultant en Data Science au sein de l’équipe santé d’Alcimed en Suisse