Cancer de la peau: l’IA bute sur les cas difficiles

Depuis près de 10 ans, l’intelligence artificielle (IA) est régulièrement présentée comme capable d’égaler, voire de dépasser les dermatologues. Mais lorsque les modèles sont mis à l’épreuve dans des conditions qui intègrent davantage de complexité clinique, leur supériorité supposée devient moins évidente.C’est ce que vient de montrer une étude récemment publiée dans le JAMA Dermatology. À partir d’une banque de 1117 cas, dont des lésions rares et atypiques, les chercheurs ont comparé les performances de trois modèles d’IA à celles de 652 médecins. Pour identifier précisément la pathologie parmi neuf catégories, les cliniciens comptant plus de 10 ans d’expérience en dermoscopie ont atteint l’exactitude diagnostique la plus élevée: 74,2%, contre 72,2% pour le modèle d’IA le plus performant (intervalle de confiance [IC] à 95% de l’écart: 0,66 à 3,34 points; p=0,008).Pour le Pr Luc Thomas, dermatologue à l’Hôpital Lyon Sud et coauteur de l’étude, une étude très médiatisée de 2017 comparant dermatologues et algorithme a provoqué un «tremblement de terre» dans la spécialité. Au point que certains étudiants doutaient de l’utilité d’apprendre la dermoscopie. «Nous avons découvert que ces tests étaient trop favorables à la machine et pas assez aux humains», explique-t-il dans une entrevue accordée au balado du JAMA Dermatology. Les modèles devaient souvent trancher entre deux diagnostics - un nævus ou un mélanome, par exemple - sans avoir à considérer les tumeurs rares, les localisations inhabituelles, l’âge, le phototype ou les antécédents du patient. Les résultats n’étaient pas faux, mais la question posée restait bien plus étroite qu’en consultation.Un test plus proche de la cliniquePour élargir le spectre diagnostique, les chercheurs ont utilisé la plateforme TODIV, qui réunit 1117 cas alimentée par trois centres français. Chaque dossier associait des données cliniques - âge, facteurs de risque, histoire de la lésion - à des images cliniques et dermoscopiques. Les prises de vue n’étaient pas standardisées et certains artéfacts étaient conservés. Toutes les lésions malignes avaient été confirmées par histopathologie.Chaque médecin devait classer 100 cas parmi neuf catégories. Les résultats ont été comparés à ceux d’un réseau neuronal convolutif de première génération - une architecture d’IA conçue pour classer des images -, entraîné sur environ 39 000 images dermoscopiques, ainsi qu’à deux versions de PanDerm, un modèle d’IA de nouvelle génération préentraîné sur plus de deux millions d’images dermatologiques. La version unimodale n’analysait que les images dermoscopiques; la version multimodale y ajoutait les photographies cliniques et les métadonnées.Conçu pour l’enseignement, le test comptait toutefois un tiers de lésions malignes et surreprésentait les tumeurs rares. Il était plus diversifié et plus difficile que les comparaisons antérieures, sans refléter leur fréquence réelle en consultation.Lire aussi: L'IA est-elle prête à prendre en charge vos ordonnances?Repérer n’est pas diagnostiquerSur le critère principal - choisir le bon diagnostic parmi neuf catégories -, tous les groupes de médecins dépassent l’ancien réseau neuronal. Dans l’ensemble, leur exactitude atteint 65,9%, contre 56,7% pour ce modèle (écart de 9,2 points; IC à 95%: 8,5 à 9,8; p

Cancer de la peau: l’IA bute sur les cas difficiles

Pour accéder au contenu, connectez-vous ou créez un compte gratuit.

Catégories connexes