Ce site requiert l’activation de JavaScript pour fonctionner correctement. Pour continuer, veuillez ajuster vos paramètres ou utiliser un navigateur différent.

Vous êtes sur le point de quitter le site gskpro.com

Ce lien vous redirige vers un site externe au portail GSK Pro France. Veuillez vous référer aux conditions d’utilisation de ce site pour plus d’informations.

Poursuivre

Retour

INTELLIGENCE ARTIFICIELLE ET « BIG DATA » POUR LA PNEUMOLOGIE : L’AVENIR COMMENCE ICI !

Nous n’en sommes encore qu’aux prémices, mais l’intelligence artificielle (IA) et les « big data » appliquées à la pneumologie sont amenées à changer la pratique dans les années à venir. L’idée : nourrir avec de grandes quantités de données de santé des machines dont les algorithmes lui permettent d’apprendre et de simuler l’intelligence humaine. Si elle ne peut égaler la complexité et l’adaptabilité du raisonnement humain, l’IA peut ainsi considérablement aider le pneumologue.

Artificial intelligence image

Pour l’interprétation des EFR par exemple, un logiciel d’IA a montré que son analyse des données, basées sur les recommandations internationales et plus de 1 500 cas validés, était plus efficace que celle des 120 cliniciens européens conviés dans l’étude. En effet, 44,6 % de diagnostics corrects ont été réalisés par les pneumologues et 82 % par le logiciel 1 ! L’innovation est en pleine ébullition pour de nombreuses pathologies respiratoires. Un outil d’IA actuellement développé par des chercheurs à partir de données biométriques (face et cou) et polysomnographiques de 200 patients ronfleurs permettrait ainsi la détection des SAOS grâce à un dispositif de reconnaissance faciale. 2 De récents travaux montrent également qu’il est possible d’utiliser l’IA comme outil de détection de BPCO et de risque de pathologies respiratoires aiguës chez les fumeurs. 3 Enfin, les développements d’IA dans le cadre du dépistage, du diagnostic et du pronostic du poumon à partir de prélèvements histopathologiques ou d’imagerie se multiplient. Un algorithme développé sur une base de plus de 42 000 scanners thoraciques a ainsi récemment montré une capacité à détecter 6 716 tumeurs pulmonaires malignes avec une efficacité de 94,4 %, avec une réduction de 11 % de faux positifs et 5 % de faux négatifs. 4 Les registres des maladies respiratoires, comme l’Observatoire Sommeil de la Fédération Française de Pneumologie mis en place en 2013 et compte désormais près de 120 000 dossiers, peuvent servir de « nourriture » aux cerveaux artificiels. Un registre a ainsi été récemment développé sur l’asthme pour développer la recherche et améliorer la prise en charge des asthmatiques sévères par les biothérapies.

Aujourd’hui, l’IA est déjà appliquée à l’imagerie, par exemple pour la quantification de l’emphysème ou des anomalies de fibrose pulmonaire. « Nous pouvions passer beaucoup de temps à analyser un scanner pour identifier une fibrose pulmonaire idiopathique : bientôt ce seront des discussions qui n’auront plus lieu d’être », se réjouit le Pr Bruno Housset. Elle peut aussi être appliquée à des nouvelles disciplines comme la volatolomique, qui analyse les composés organiques volatils (COV) présents dans l’air expiré pour chercher une signature moléculaire de certaines pathologies. « Des chercheurs travaillent actuellement à identifier les COV permettant de diagnostiquer l’asthme, la BPCO ou le cancer du poumon et ce, sans acte invasif, c’est extraordinaire ».

RÉFÉRENCES

  1. Topalovic M, et al. Artificial intelligence outperforms pulmonologists in the interpretation of pulmonary function tests. Eur Respir J. 2019;53:pii 1801660.
  2. Rong Y, et al. A screening test on the diagnosis of obstructive sleep apnea hypopnea syndrome (OSAHS) using facial recognition technology. Am J Respir Crit Care Med. 2019;199:A1383.
  3. González G, et al. Disease staging and prognosis in smokers using deep learning in chest computed tomography. Am J Respir Crit Care Med. 2018; 197: 193-203.
  4. Ardila D, et al. End-to-end lung cancer screening with threedimensional deep learning on low-dose chest computed tomography. Nat Med. 2019 May 20.