Intelligence artificielle et dermatologie : aide concrète pour un diagnostic plus rapide et plus ciblé des lésions dermatologiques et au bon usage des médicaments selon la médecine des 4 p, c'est-à-dire personnalisée, prédictive, préventive et participative. Mais aussi un accompagnement stratégique à la préparation des dermatologues grâce à de nouvelles méthodes de formation liées à l’IA. Ce ne sont là que quelques-unes des grandes opportunités qui projettent la dermatologie dans le futur, à condition toutefois qu'un groupe de travail multidisciplinaire dédié à la formation des médecins et de toutes les catégories intéressées à l'utilisation consciente et éclairée de l'IA qui, si elle n'est pas comprise et bien utilisée, , peut devenir extrêmement risqué. C'est le message lancé par les experts présents au 98e Congrès national de la Société italienne de dermatologie et des maladies sexuellement transmissibles (Sidmast), qui se termine aujourd'hui à Giardini Naxos (Me).
« Pour pouvoir bénéficier ou mieux utiliser l'intelligence artificielle de manière active, il faut avant tout avoir une formation adéquate – explique Pietro Rubegni, professeur de dermatologie à l'Université de Sienne – pour l'obtenir, il est important d'organiser et créer des équipes multidisciplinaires où les jeunes dermatologues interagissent quotidiennement avec des biostatisticiens, des bioingénieurs et des biologistes. C'est ce que nous poursuivons en dermatologie à Sienne, qui collabore traditionnellement étroitement avec la bioingénierie depuis plus de 30 ans, d'abord avec Gabriele Cevenini et depuis environ cinq ans également. avec Alessandra Cartocci, biostatisticienne et membre de Sidemast Grâce à ce formidable travail collaboratif, nous avons développé en interne ce que l'on appelle le « Groupe d'évaluation des technologies de la santé ».
Il existe actuellement trois domaines dans lesquels la dermatologie utilise l’IA. Tout d'abord, il est utilisé pour le diagnostic précoce des tumeurs cutanées, accompagnant le professionnel dans l'évaluation des lésions cutanées tout au long du processus de diagnostic jusqu'à la reconnaissance finale de la néoformation. « C'est comme si le dermatologue et l'IA allaient 'main dans la main' sur ce chemin – souligne Cartocci – mais c'est toujours l'homme qui guide et pose les bases. Une prise de position de l'Eadv, Académie européenne de dermatologie et La vénéréologie sur l'argument a en effet montré que la plupart des applications développées et vendues pour la reconnaissance automatique d'images ont lamentablement échoué, cependant si le dermatologue sélectionne les « bonnes » lésions à montrer à l'IA, cette dernière « gagne » par rapport aux médecins. sélectionnez quelque chose que l'intelligence artificielle ne connaît pas, cette dernière fera des erreurs.
Le deuxième domaine d'application est celui qui permet une évaluation objective de la gravité de la maladie « Daniel Kahneman, prix Nobel d'économie – poursuit Cartocci – parle du « bruit », c'est-à-dire des états d'esprit qui sont influencés par ce qui ce qui se passe autour de nous et qui conditionne donc nos choix quotidiens, même en médecine l'IA élimine les influences extérieures et nous permet de ne pas commettre d'erreurs, et donc d'être équilibré dans l'évaluation objective et comparable de l'activité du médicament. influences et nous dira dans quelle mesure le médicament fonctionnera, pas dans quelle mesure il me semble fonctionner.
Troisièmement, le plus pertinent et le plus futuriste, ajoute Rubegni, « est la possibilité de prédire, pour ce type de patient, quelle sera la meilleure thérapie et avec le moins d'effets indésirables ». Et sur ce plan, le partage des données entre experts sera déterminant. Un autre domaine en développement qui voit un protagoniste est la méthode Gan (réseau contradictoire génératif): une technique qui, à partir d'images réelles de manifestations pathologiques, permet de créer des images plausibles, même si elles sont « fausses/synthétiques ». « En médecine, il y a souvent peu de données – continue le professeur Rubegni – les GAN pourront les augmenter considérablement, permettant, par exemple, à partir de 50 images de mélanome, d'en produire des centaines, totalement plausibles et indiscernables. Celles-ci pourront à leur tour être utilisées pour enseigner aux jeunes ou former, grâce à d'autres méthodes d'IA, d'autres modèles de reconnaissance automatique ».
Mais, conclut l'expert, « puisque la plupart des systèmes de santé n'ont aujourd'hui pas la capacité réglementaire de superviser et de gérer cette technologie en évolution rapide, nous devons veiller à accompagner la croissance de l'IA avec des réglementations qui la contiennent ».
