Juin 2018 – Pour faire un diagnostic de mélanome, il faut idéalement un dermatologue expérimenté et entraîné…Malheureusement, même avec de telles qualités il arrive que des praticiens échouent à reconnaître la tumeur en particulier à un stade précoce, c’est-à-dire alors que les chances de guérison sont maximales.
Dans un monde où le risque zéro n’existe pas, comment pallier au mieux de telles insuffisances souvent lourdes de conséquences ? Eh bien peut-être en faisant appel à l’intelligence artificielle. C’est ce que suggèrent les résultats d’une étude menée en Allemagne à l’université de Heidelberg.
Pour faire simple, les chercheurs ont utilisé les réseaux de neurones artificiels convolutifs (convolutional neural network CNN), dont l’agencement est inspiré de celui des aires visuelles du cerveau humain et qui sont donc « spécialisés » dans la reconnaissance des images : à partir d’images numérisées de vues en dermatoscopie de mélanome et de naevus bénins (grains de beauté), ils leur ont « appris » (technique du « deep learning ») à distinguer ces deux types de lésions.
Les performances de ce programme ont été confrontées à celles de 58 dermatologistes dont 30 experts ayant plus de cinq ans d’expérience dans la pratique de la dermatoscopie (c’est-à-dire l’examen de la peau avec un dermatoscope, appareil comprenant loupe et système d’éclairage). Elles ont été globalement meilleures que celles des praticiens ! Cependant 13 dermatologistes (22,4 %) se sont montrés plus performants que le CNN. L’intelligence artificielle ne remplace donc pas totalement l’homme mais elle pourrait lui être ici d’une aide précieuse, comme dans bien d’autres occasions.
Ainsi peut-on imaginer que, dans un avenir relativement proche, tout un chacun pourrait bénéficier, grâce à ce type de programme d’intelligence artificielle, d’un même niveau de compétence en matière de diagnostic du mélanome, où qu’il vive et quel que soit le médecin qu’il rencontre. Et cela se traduirait par une prise en charge plus rapidement adaptée et de ce fait probablement moins coûteuse pour le système de santé. Bien d’autres applications sont envisageables en matière de suivi des malades par exemple ou encore de télédermatologie.
Dr Marie-Line Barbet
Haenssl HA et coll. : Man against machine: diagnostic performance of a deep learning convolutional neural network for dermoscopic melanoma recognition in comparison to 58 dermatologists. Ann Oncol., 2018 doi:10.1093/annonc/mdy166