Bonjour à tous et bienvenue dans le ZDTech, le podcast quotidien de la rédaction de ZDNet. Je m’appelle Clarisse Treilles, et aujourd’hui je vous explique pourquoi l'intelligence artificielle n’a pas éradiqué les radiologues.
En 2016, le Britannique Geoffrey Hinton, l’un des pontes de l’IA, prédisait que les progrès de l’intelligence artificielle en médecine allaient faire rapidement disparaître le métier de radiologue. Non sans une pointe de provocation, il avait déclaré, je cite : “Dans cinq ans, le deep learning sera tellement performant qu’il ne sera plus utile de former des radiologues’’
Mais cinq ans après, cela ne s’est pas produit. Bien au contraire. Le Forum économique mondial fait même remarquer dans une étude parue en pleine pandémie de Covid-19 que le nombre de radiologues connaît toujours une croissance à deux chiffres depuis des décennies.
C’est donc que les humains demeurent indispensables pour diagnostiquer les fractures et les ballons de cocaïnes dans les intestins des trafiquants.
Bref, l’IA n’a pas fait disparaître le métier de radiologue, et de douanier, loin de là. Mais l'IA a quand même sacrément fait évoluer la pratique. Tendez l'oreille, je vous explique comment.
Déjà l’IA n’est pas exempte d'erreurs.
On ne peut pas se fier à 100% à des algorithmes pour interpréter des radios et poser les bons diagnostics, surtout quand les pathologies sont complexes ou rares.
Les techniques de machine learning nécessitent en effet des centaines de milliers voire des millions d’images de cas différents pour améliorer les algorithmes de détection. Et cela prend du temps.
Mais l’intelligence artificielle contribue bel et bien à faire évoluer la façon dont les radiologues travaillent. Jugez plutôt.
Dans un hôpital, par exemple, les algos permettent de faire le tri de premier niveau entre les cas les plus bénins et ceux qui méritent qu'un humain y jette un œil.
C'est très exactement le terrain de jeu de la startup française Milvue, dont zdnet a déjà parlé l’an passé.
Son IA s'occupe des radiographies de routine, ce qui permet aux radiologues de se concentrer sur des clichés qui montrent des pathologies plus complexes.
Alors, comment ça marche concrètement ? Milvue a développé un algorithme qui récupère les clichés radiographiques aux urgences, les interprète, et les met à disposition soit de l'urgentiste, soit du radiologue, en les classant en trois critères : les radiographies normales, les radiographies douteuses ou les radiographies considérées comme pathologiques.
Et cette IA a aussi été testée dans des spécialités bien plus pointues. Dans la détection du cancer du sein par exemple, les recherches sont prometteuses. La revue Radiology affirme que l’IA sera probablement d’une grande valeur dans l’interprétation des mammographies de dépistage.
La crainte de voir l'IA tuer le métier de radiologue s'est donc en grande partie dissipée à mesure que l'on comprend mieux les capacités de l'Intelligence artificielle. Et surtout, ce qu'il faut retenir de la prédiction de Geoffrey Hinton, c’est qu’il ne faut jamais faire une confiance aveugle dans les progrès technologiques.
Et voilà, normalement on a fait le tour du sujet. Pour en savoir plus, rendez-vous sur zdnet.fr. Et retrouvez tous les jours un nouvel épisode du ZDTech sur vos plateformes de podcast préférées.
Hébergé par Ausha. Visitez ausha.co/politique-de-confidentialite pour plus d'informations.
