MEDECINE ET ROBOTIQUE

Par Romain Nieuviarts, médecin anesthésiste

Pour ce nouvel article, je vais vous parler « deep learning » et imagerie médicale.

Dans le cadre de la médecine diagnostique, l’Imagerie Médicale, plus trivialement appelée la Radiologie, occupe une place prépondérante, y compris dans le dépistage du cancer. Que ce soit les radiographies à la recherche de cancers  pulmonaires ou l’échographie abdominale à la recherche de métastases hépatiques.

Mais un domaine leur échappait depuis longtemps, celui du dépistage du cancer du colon, pathologie extrêmement fréquente dans l’hémisphère Nord ; 20000 nouveaux cas par an en France et 130000 aux USA. Le dépistage de masse est assuré en France par le test HEMOCULT, qui revient à chercher du sang dans les selles, et le dépistage individuel était dévolu aux Gastro-Entérologues. Ceux-ci pratiquent une endoscopie digestive qui consiste à visiter notre colon avec une caméra : la coloscopie. Ils recherchent alors un cancer, ou, plus souvent un état pré-cancéreux : le polype du colon.

L’examen tomodensitométrique, plus communément appelé Scanner, était utile pour le bilan d’extension (recherche d’une extension locale ou générale du cancer) mais de piètre qualité pour le dépistage.

L’amélioration des machines (quantité et qualité des images acquises), au début du XXI° siècle, a fait évoluer le scanner, pour lui permettre d’approcher la qualité diagnostic de la coloscopie : la coloscopie virtuelle était née ! 

Toutefois, la pertinence du dépistage, c'est-à-dire la probabilité que l’examen « n’oublie » pas un polype ou un petit cancer débutant, ou, à l’inverse, « trouve » des cancers ou des polypes qui n’existent pas, nécessitait des radiologues expérimentés et beaucoup de temps d’interprétation. Cette technique d’investigation resta cantonnée à quelques indications spécifiques (patients non compatibles avec une anesthésie générale, difficultés lors de la coloscopie endoscopique liées au patient, …).

Dès le début des années 2007, quelques brillants chercheurs eurent l’idée de trouver un moyen d’améliorer l’interprétation des images pour accélérer celle-ci. Leurs travaux furent exposés dans quelques congrès « peu couru » réservés aux geeks tel que « the International Conference on Cognitive Informatics » ( 1) ou « the International Conference on Biomedical Engineering and Informatics » (2). Tout cela n’intéressait guère les médecins, pour qui l’intelligence artificielle n’était rien d’autre qu’un sujet de littérature distopique !

Et puis, en 2017, dans la revue des Gastro-Entérologues du monde entier,  un article (3) évoque l’utilisation de l’intelligence artificielle pour améliorer la détection des polypes lors d’une coloscopie conventionnelle. La profession découvre alors que les machines vont dépister les polypes mieux qu’eux. (4)

Un récent article nous rapporte la réalisation d’une coloscopie réalisée automatiquement par un robot. Celui-ci utilise les propriétés magnétiques pour faire avancer l’endoscope dans le colon d’un cochon anesthésié. (5)

 A l’heure où j’écris cet article, ces outils ne sont destinés qu’à l’aide au diagnostic ; c'est-à-dire qu’ils ne peuvent être laissés seuls à rendre des interprétations d’examens endoscopiques. 

Mais on comprend bien qu’il n’y a qu’un pas entre l’assistance et l’autonomie. On peut donc raisonnablement envisager que ces « intelligences artificielles » finiront par remplacer les radiologues avec un rendement et une qualité diagnostic bien supérieure …

Mais, me direz vous, quel rapport avec ton domaine de compétence qu’est l’anesthésie : et bien le rapport est évident. En France, chaque année, 1,3 millions de coloscopies sont réalisées sous anesthésie générale. Si on peut remplacer cet examen par un simple scanner dont la réalisation se fera sans anesthésie et en quelques minutes, ce seront 700 000 ou 800 000 anesthésies en moins en France chaque année !  Il ne restera plus que les endoscopies pour enlever les polypes identifiés par la coloscopie virtuelle. Imaginez les avantages de la technique :

-          Plus rapide qu’une coloscopie car pas d’hospitalisation pour l’examen (même si c’est actuellement réalisé en ambulatoire), pas de passage au bloc opératoire

-          Plus simple et plus sûr car pas de risque lors de l’anesthésie !

-          Moins couteux car pas besoin de rémunérer un gastro-entérologue, un anesthésiste, un bloc opératoire, …

A n’en pas douter, c’est vers cela que l’on s’achemine. Mais se lamenter ne servira à rien, nous devons nous préparer à cette mutation de fond dans nos pratiques futures. Le médecin devra toujours expliquer et orienter le patient à l’issue de tel ou tel examen.

Au fond, se pose encore et toujours la même question : quelle catégorie socioprofessionnelle ou plus narcissiquement, quelle spécialité médicale ne va pas se voir impacter à plus ou moins brève échéance par l’intelligence artificielle ou plutôt le « deep-learning » dans le cas présent !

1. Iang Y, Meng J, Jaffer N (2007) A novel segmentation and navigation method for polyps detection using mathematical morphology and active contour models ICCI, pp 357–363

2. Chowdhury TA, Whelan PF, Ghita O (2008) A fully automatic CAD-CTC system based on curvature analysis for standard and low-dose CT data. IEEE Trans Biomed Eng 55(3):888–901

3. Gastroenterology. 2017 Dec;153(6):1460-1464.e1. doi: 10.1053/j.gastro.2017.10.026. Epub 2017 Oct 31. Will Computer-Aided Detection and Diagnosis Revolutionize Colonoscopy ? Byrne MF¹, Shahidi N¹, Rex DK²

4. Kominami, Y., Yoshida, S., Tanaka, S. et al. Computer-aided diagnosis of colorectal polyp histology by using a real-time image recognition system and narrow-band imaging magnifying colonoscopy. Gastrointest Endosc. 2016; 83: 643–649) (Deep Learning Localizes and Identifies Polyps in Real Time With 96% Accuracy in Screening Colonoscopy  Gregor Urbanand al.

5. Autonomously Controlled Magnetic Flexible Endoscope for Colon Exploration Piotr R. Slawinski and al. May 2018Volume 154, Issue 6, Pages 1577–1579.e1

Autres articles de Romain Nieuviarts:

ANESTHESIE ET ROBOTIQUE: C'EST DEJA DEMAIN!