L’intelligence artificielle (IA) est déjà utilisée pour diagnostiquer le cancer de la peau, mais elle ne peut pas (encore) suivre le rythme de la prise de décision complexe des médecins en pratique. Une équipe de recherche internationale dirigée par Harald Kittler de MedUni Vienna a maintenant exploré une méthode d’apprentissage dans laquelle une plus grande précision dans les résultats de l’IA peut être obtenue en incorporant des critères de prise de décision humaine. De cette façon, le taux de diagnostics corrects de cancer de la peau posés par les dermatologues a été amélioré de douze pour cent. L’étude a été publiée dans la meilleure revue Médecine naturelle.
Les chercheurs ont basé leur étude sur le modèle d’apprentissage par renforcement (RL) et ont intégré des critères (humains) sous la forme de « tables de récompenses » dans le système d’IA. Les tableaux de récompenses sont des outils qui intègrent les conséquences positives et négatives des évaluations cliniques dans le processus décisionnel du point de vue du médecin et du patient. Sur cette base, les résultats du diagnostic d’IA étaient non seulement évalués comme bons ou mauvais, mais étaient « récompensés » ou « pénalisés » avec un certain nombre de points positifs ou négatifs en fonction de l’impact du diagnostic ou des décisions qui en résultaient.
Apprendre des évaluations humaines
De cette manière, l’IA a appris à prendre en compte non seulement les caractéristiques basées sur l’image, mais également les conséquences d’un diagnostic erroné dans l’évaluation des manifestations cutanées bénignes et malignes. »
Harald Kittler, chef d’étude, service de dermatologie à MedUni Vienne
En conséquence, comme le montre l’étude, la précision du diagnostic du cancer de la peau pourrait être considérablement améliorée : la sensibilité pour le mélanome, par exemple, a été augmentée de 61,4 à 79,5 % et pour le carcinome basocellulaire de 79,4 à 87,1 %. Dans l’ensemble, l’utilisation de RL a augmenté le taux de diagnostics corrects posés par les dermatologues de 12 %, tandis que le taux de décisions optimales pour la gestion et le traitement de la maladie est passé de 57,4 à 65,3 %.
Envisageable dans d’autres maladies également
Cette amélioration des performances du diagnostic du cancer de la peau basé sur l’IA est également due au fait que RL réduit l’excès de confiance de l’IA dans ses propres prédictions et fait des suggestions plus nuancées et compatibles avec l’homme. « Ceci, à son tour, aide les médecins à prendre des décisions plus précises adaptées à chaque patient dans des scénarios médicaux complexes », a souligné Harald Kittler avant de poursuivre les recherches sur le sujet. Bien que les travaux actuels se concentrent principalement sur le diagnostic du cancer de la peau, les idées de base pourraient également être utilisées dans d’autres domaines de la prise de décision médicale.
