Mélanome : une IA mise à l'épreuve face à 58 dermatologues

Pourquoi comparer une IA à un grand groupe de médecins ?

Les réseaux de neurones, des programmes qui apprennent à reconnaître des images, pourraient aider à détecter le mélanome, le cancer de la peau le plus grave. Mais les études précédentes comparaient surtout l'IA à de petits groupes de médecins. On manquait de données face à des groupes plus larges.

Cette étude voulait donc mesurer l'écart avec un grand panel international, pour savoir ce que l'outil apporte vraiment par rapport à la pratique réelle des dermatologues.

Comment l'expérience s'est-elle déroulée ?

Les chercheurs ont utilisé un réseau de neurones de Google (Inception v4), entraîné et validé sur des images de dermoscopie avec les diagnostics correspondants. Puis ils ont fait passer un test de 100 images à 58 dermatologues venus de plusieurs pays, dont 30 experts.

Le test avait deux niveaux. Au niveau I, les médecins ne voyaient que l'image de dermoscopie. Au niveau II, ils recevaient en plus des informations et des images cliniques. À chaque fois, il fallait dire si la lésion était maligne ou non.

L'étude est enregistrée dans un registre allemand des essais cliniques (DRKS00013570), ce qui garantit que la méthode a été annoncée à l'avance.

Que montrent les résultats ?

Au niveau I, les dermatologues ont repéré en moyenne 86,6 % des mélanomes (sensibilité) et écarté correctement 71,3 % des lésions bénignes (spécificité). Avec des informations cliniques en plus, la sensibilité est montée à 88,9 % et la spécificité à 75,7 %.

Quand on règle l'IA pour qu'elle repère autant de mélanomes que les médecins, elle écarte plus souvent les lésions bénignes : 82,5 % de spécificité. L'aire sous la courbe ROC (un score global où 1 est parfait) était de 0,86 pour l'IA contre 0,79 en moyenne pour les dermatologues.

Le programme a aussi été comparé aux cinq meilleurs algorithmes d'un concours international de 2016 (ISBI) et a obtenu des résultats proches des trois premiers. L'ajout d'informations cliniques a amélioré la performance des médecins, ce qui montre l'importance du contexte.

Qu'est-ce que cela change pour les patients ?

Pour un patient, une meilleure spécificité signifie en théorie moins de lésions bénignes prises à tort pour des cancers, donc moins d'ablations inutiles, sans laisser passer plus de mélanomes. Les auteurs concluent que les médecins, quelle que soit leur expérience, pourraient bénéficier de l'aide d'une IA pour classer les images.

Cette idée d'aide au médecin est la plus réaliste : il s'agit d'un second avis, pas d'un remplaçant.

Les auteurs précisent que ce bénéfice vaut quel que soit le niveau d'expérience du médecin : débutants comme experts pourraient en profiter. Reste à savoir comment intégrer cet avis dans le travail quotidien.

Quelles sont les limites de cette étude ?

Le test portait sur 100 images : c'est un cadre expérimental, bien plus simple qu'une consultation où le médecin examine toute la peau et connaît l'histoire du patient. Les médecins n'ont pas non plus travaillé dans leurs conditions habituelles.

L'étude ne dit pas si les patients sont mieux soignés en pratique avec cet outil. Des essais en conditions réelles sont encore nécessaires.