Intelligence artificielle pour la santé : vers une recherche plus reproductible
Pouvoir reproduire des résultats obtenus est un enjeu majeur en recherche biomédicale et une étape essentielle pour tirer des conclusions durables de ceux-ci. Les chercheurs ont développé un ensemble d’outils logiciels permettant une reproductibilité dans les études d’évaluation de système d’aide à la prise de décision médicale. Les résultats sont publiés dans la revue Neuroimage.
La reproductibilité des résultats est un enjeu important pour la fiabilité de la recherche biomédicale. Il y a à l’heure actuelle une réelle difficulté à reproduire les résultats des études, liée notamment aux méthodes de gestion et de traitements des données qui ne sont pas toujours suffisamment accessibles ou standardisées. Cet enjeu est présent dans de nombreux domaines, notamment le développement d’outils d’intelligence artificielle pour la médecine.
Les chercheurs se sont penchés sur cette problématique dans le cadre plus spécifique des systèmes d’aide à la décision médicale et notamment l’aide au diagnostic de la maladie d’Alzheimer, domaine dans lequel il y a eu énormément de travaux depuis une dizaine d’années. La plupart de ces études utilisent une même base de données publique de patients, ADNI (Alzheimer's Disease Neuroimaging Initiative) mais il est pourtant impossible de les comparer entre elles. Chaque étude va en effet utiliser un sous-échantillon de patients différent issu de cette base, sur des critères qui ne sont pas toujours précisément définis. Ces données subissent ensuite des traitements variables d’une étude à l’autre. Résultat : il est souvent difficile de tirer des conclusions et le transfert vers la clinique reste faible.
Pour tenter de répondre à cette difficulté, les chercheurs ont développé un ensemble d’outils logiciels open source pour standardiser et reproduire très facilement les résultats d’évaluation de ces systèmes d’aide au diagnostic. Il s’agit d’un "workflow" totalement automatisé, partant de la base de données et auquel il suffit d’ajouter l’algorithme d’intelligence artificielle développé, par exemple pour distinguer un patient atteint de la maladie d’Alzheimer d’autres pathologies, ce qui va conduire à une décision.
A l’heure actuelle, ce logiciel est prévu pour l’analyse de données d’IRM anatomique et de TEP (tomographie par émission de positons), des outils importants dans le diagnostic de la maladie d’Alzheimer. Les chercheurs souhaitent poursuivre le développement de cette plateforme logicielle en l'étendant à d’autres types de données et à d’autres pathologies (comme la maladie de Parkinson) afin, à terme, d'aller vers une plus grande reproductibilité et une meilleure standardisation des études de validation des systèmes d’aide à la décision médicale à destination de la clinique.
© Jorge Samper-González
En savoir plus :
Reproducible evaluation of classification methds in Alzheimer's disease: Framework and application to MRI and PET data.
Samper-González J, Burgos N, Bottani S, Fontanella S, Lu P, Marcoux A, Routier A, Guillon J, Bacci M, Wen J, Bertrand A, Bertin H, Habert MO, Durrleman S, Evgeniou T, Colliot O; Alzheimer's Disease Neuroimaging Initiative; Australian Imaging Biomarkers and Lifestyle flagship study of ageing.
Neuroimage. 2018 Aug 18;183:504-521. doi: 10.1016/j.neuroimage.2018.08.042. [Epub ahead of print]