Comment l'IA changera la radiologie ?

L’imagerie médicale est cruciale pour la gestion des différentes conditions et un élément majeur pour assurer la continuité des soins, de la prévention, de la détection rapide et du diagnostic, aux décisions de traitement éclairées et à l’amélioration des résultats et de la réhabilitation.

Si les premières décennies de la radiologie ont été consacrées à améliorer la résolution des images prises du corps, les prochaines décennies seront dédiées à interpréter ces données pour s’assurer que rien n’est négligé.

Du diagnostic au traitement

L’imagerie médicale commence à progresser de son objectif initial – celui de diagnostiquer des problèmes de santé – à jouer un rôle essentiel dans le traitement également, en particulier en oncologie. 

Les médecins commencent à s’appuyer sur l’imagerie pour les aider à observer et à suivre l’évolution des tumeurs et la propagation des cellules cancéreuses afin qu’ils aient un moyen plus rapide de savoir si le traitement fonctionne. 

L’imagerie contribuera au type de traitement que les patients reçoivent, mais contribuera également à la façon dont les médecins travaillent, offrant un retour d’information en temps voulu qui leur permettra d’être plus efficaces.

L’imagerie fonctionnelle devenant une partie des soins

Nous assisterons également à une transition vers l’imagerie fonctionnelle, à des fins de précision supérieure : l’imagerie fonctionnelle (ou l’imagerie physiologique) est une technique d’imagerie médicale permettant de détecter ou de mesurer les changements dans le métabolisme, le flux sanguin, la composition chimique régionale et l’absorption.

Contrairement à l’imagerie structurelle, l’imagerie fonctionnelle elle se concentre sur la révélation des activités physiologiques au sein d’un tissu ou d’un organe donné en utilisant des modalités d’imagerie médicale qui emploient des sondes pour refléter la distribution spatiale de celles-ci dans le corps.

La demande croissante pour la radiologie

L’imagerie est devenue essentielle dans les soins des maladies transmissibles et non transmissibles. Pourtant, il y a de graves pénuries d’équipements d’imagerie et de main-d’œuvre, en particulier dans les pays à revenus faibles et intermédiaires (1,9 radiologues pour un million de personnes dans les pays à faible revenu et 97,9 dans les pays à revenu élevé).

D’un autre côté, la demande croissante pour la radiologie combinée à des systèmes d’IA rend l’intelligence artificielle un outil précieux pour améliorer le dépistage en imagerie médicale et l’évaluation des risques.

IA en radiologie

Des algorithmes informatiques ont été formés pour détecter quand des images sortent des paramètres normaux, et plus ils reçoivent d’images, mieux ils deviennent pour signaler des anomalies.

L’objectif est d’automatiser autant que possible la lecture des CT, des IRM ou des ultrasons, et de faire gagner du temps aux radiologues, alors qu’ils sont sous pression croissante pour lire et interpréter des centaines d’images par jour.

Jusqu’à présent, la FDA (U.S. Food and Drug Administration) a approuvé environ 420 algorithmes impliquant l’imagerie pour diverses maladies (principalement le cancer), mais la FDA exige toujours qu’un humain prenne la décision finale sur ce que l’algorithme détecte.

Cas d’utilisation du dépistage assisté par l’IA en radiologie

Détecter les choses tôt et amener le patient au traitement beaucoup plus rapidement est l’objectif du dépistage assisté par ordinateur. Voici quelques cas d’utilisation de l’IA dans la radiologie:

• augmentant l’imagerie cardiaque
• classifiant les tumeurs cérébrales
• détecter les fractures vertébrales
• diagnostiquer la SLA
• détecter la maladie d’Alzheimer
• détecter le cancer du sein
• détecter la pneumonie
• détecter les anévrismes
• repérer les embolies et les signes d’accident vasculaire cérébral

Surveiller et suivre le patient

Alors que le triage assisté par ordinateur est la première étape pour intégrer le soutien de l’IA dans les soins de santé, l’apprentissage automatique devient également un moyen puissant de suivre même les plus petits changements dans l’état des patients, en particulier dans les soins contre le cancer, alors que les patients subissent une chimiothérapie.

Prédire les événements indésirables

Avec suffisamment de données d’imagerie, les algorithmes d’IA pourraient même trouver des anomalies pour toute condition qu’aucun humain ne pourrait repérer, comme certains biomarqueurs pouvant signaler des changements lorsque quelqu’un est susceptible d’avoir un AVC ou une crise cardiaque.

Améliorer l’accès à l’imagerie médicale par IA dans les pays à revenus faibles et intermédiaires

L’IA a déjà le potentiel d’améliorer les flux de travail dans la radiologie, et elle pourrait aider à détecter automatiquement des anomalies dans les régions du thorax, du cerveau et d’autres parties du corps, ce qui aura un impact considérable dans les pays à revenus faibles et intermédiaires. Un accès gratuit à l’imagerie médicale assistée par IA pour les maladies prioritaires, telles que la tuberculose, devrait être avancé.

Comment y arriver ?

Pour pouvoir réaliser ces technologies, nous aurions besoin de tonnes de données.

Mais les silos de données qui existent dans les systèmes de santé rendent plus difficile l’accès, le partage, la collaboration et finalement, l’augmentation des données d’imagerie médicale.

À travers Medicai, nous avons construit une infrastructure cloud décentralisée qui permet aux systèmes de santé d’échanger des données de manière sécurisée et conforme, rendant ainsi possibles de nouveaux parcours de soins, flux de données, et par conséquent, des intégrations d’IA qui étaient auparavant inaccessibles.

Sources : 1, 2, 3, 4.

Vous voulez en savoir plus sur la façon dont la technologie peut soutenir votre pratique en pleine croissance ? Consultez notre dernier guide, L’avenir de l’IA dans les soins de santé. Il offre des perspectives sur les principaux défis, les tendances émergentes, et bien plus encore.