Une récente Lancet Santé numérique L’étude évalue si l’intelligence artificielle (IA) alimentée par téléphone mobile pourrait soutenir le diagnostic et la gestion du cancer de la peau pigmentée.
Étude: Comparaison des humains et de l’intelligence artificielle alimentée par téléphone portable pour le diagnostic et la prise en charge du cancer de la peau pigmentée en soins secondaires : un essai clinique multicentrique, prospectif, diagnostique. Crédit d’image : Gordana Sermek / Shutterstock.com
Sommaire
Arrière-plan
L’apprentissage automatique (ML) avancé a été appliqué au développement d’algorithmes informatiques basés sur l’IA pour le diagnostic de diverses maladies. L’un des principaux avantages des systèmes de diagnostic basés sur l’IA est leur disponibilité illimitée.
La précision des systèmes de diagnostic basés sur l’IA dépend de plusieurs facteurs. Dans la plupart des cas, les diagnostics effectués par des experts humains et les systèmes de diagnostic assistés par IA ont été comparés dans des contextes simulés, qui pourraient ne pas refléter véritablement les contextes cliniques réels. Cependant, ces limitations ne s’appliquent pas à certaines situations cliniques où une connexion physique directe avec un patient n’est pas requise, comme la radiologie.
La plupart des études ont montré que les systèmes de diagnostic basés sur l’IA peuvent mieux diagnostiquer le cancer de la peau que les experts humains. En fait, le défi 2018 de l’International Skin Imaging Collaboration (ISIC) a indiqué que les algorithmes informatiques peuvent surpasser les meilleurs experts en matière de diagnostic du cancer de la peau.
L’une des limites critiques de cette étude était sa conception, car les cliniciens établissaient des diagnostics sur la base d’images affichées sur un écran d’ordinateur, sans informations contextuelles. Par conséquent, il est impératif de déterminer si la supériorité diagnostique de l’IA est applicable dans des contextes cliniques où les cliniciens peuvent étudier directement les lésions cutanées chez les patients.
À propos de l’étude
L’essai clinique multicentrique, diagnostique et prospectif actuel a comparé les décisions de l’algorithme de diagnostic d’IA du défi ISIC 2018 avec les diagnostics d’experts médicaux en milieu clinique. Par la suite, un nouvel algorithme a été développé à partir des données des professionnels de santé actuels.
Des cliniciens du Sydney Melanoma Diagnostic Center en Australie et du Département de dermatologie de l’Université médicale de Vienne en Autriche ont été recrutés.
Ces cliniciens étaient classés comme spécialistes ou novices. Les spécialistes étaient des experts possédant des qualifications médicales liées au diagnostic et à la prise en charge des lésions cutanées pigmentées, tandis que les novices étaient des jeunes médecins en dermatologie occupant des postes de stagiaires non accrédités ou accrédités et ayant une expérience dans l’examen et la gestion de cette maladie.
Des patients adultes âgés de 18 à 99 ans ont été recrutés. Les participants sélectionnés pour cet essai clinique ont subi une excision ou une biopsie de routine de lésions cutanées pigmentées suspectes de plus de trois millimètres (mm) de diamètre le plus long. Ces patients avaient un type de peau Fitzpatrick I-III modifié.
Les spécialistes et les novices ont examiné la peau entière du corps du patient sans aucune communication verbale avec les patients. Chaque clinicien a enregistré son diagnostic, qui a été comparé à l’évaluation de l’IA. Tous les patients ont été examinés par rapport à leurs photographies de tout le corps issues des évaluations de base.
Des images de lésions ont été prises chez des patients sélectionnés à l’aide d’un outil dermoscopique connecté à un téléphone mobile équipé du logiciel DermEngine de MetaOptima Technology. Cet outil a permis de prendre des images polarisées sans artefacts réfléchissants.
Les tests de référence pour les lésions étaient associés à un examen histopathologique. Les lésions restées inchangées sur les photographies du corps entier ont été considérées comme bénignes, tandis que les lésions modifiées ont été soumises à une surveillance par dermoscopie numérique.
Résultats de l’étude
Au total, 172 lésions pigmentées suspectes provenant de 124 patients ont été incluses dans l’étude diagnostique. Pour l’étude de prise en charge, 5 696 lésions pigmentées ont été incluses chez 66 patients à haut risque.
La cohorte présentait des données déséquilibrées, dans lesquelles 99,7 % des lésions étaient bénignes et 0,3 % étaient malignes, pour lesquelles les paramètres de l’étude de prise en charge étaient davantage axés sur la spécificité que sur la sensibilité. L’IA à sept classes était légèrement supérieure aux spécialistes et hautement supérieure aux novices.
L’IA nouvellement développée, alimentée par un téléphone mobile à sept classes, équipée d’un simple accessoire téléphonique de dermoscopie, a fourni des données pour créer l’algorithme, ce qui a contribué à un diagnostic supérieur du cancer de la peau par rapport aux novices. Pour le diagnostic, l’algorithme d’IA à sept classes était équivalent à la décision des spécialistes, tout en restant supérieur au diagnostic des novices.
Comparativement, les algorithmes d’IA ISIC étaient nettement inférieurs aux diagnostics des spécialistes mais nettement supérieurs aux décisions des novices. Cette différence de performances entre l’IA à sept classes et l’IA ISIC pourrait être attribuée au fait que l’IA à sept classes est formée avec un ensemble de données beaucoup plus vaste et diversifié. L’IA de gestion à sept classes était nettement inférieure à la gestion des spécialistes et des novices.
Aucun changement dans la précision multiclasse équilibrée n’a été observé, ce qui était considéré comme un critère d’évaluation principal des études en ligne. Le surajustement de l’algorithme ISIC AI a été déterminé sur la base de performances analytiques considérablement réduites sur les images collectées à partir de sources qui n’étaient pas incluses lors de la formation.
Conclusions
L’essai clinique actuel a fourni un système de diagnostic du cancer de la peau basé sur l’IA utilisant des images dermoscopie. Contrairement aux études précédentes, les résultats de l’étude révèlent qu’une simple technologie de téléphonie mobile, sans matériel coûteux, pourrait diagnostiquer avec précision le cancer de la peau.
