Vers une recherche plus reproductible en intelligence artificielle pour la médecine

C’est un domaine dans lequel il y a eu énormément de travaux depuis une dizaine d’années, avec de nombreuses d’approches dans les systèmes d’aide à la décision. La plupart de ces études utilisent une même base de données publique de patients, ADNI (Alzheimer's Disease Neuroimaging Initiative) et pourtant, impossible de les comparer entre elles. 

souligne Olivier Colliot.
 

Chaque étude dans ce domaine 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 de ces études et le transfert vers la clinique reste faible.
Pour tenter de répondre à cette difficulté, les chercheurs de l’Institut du Cerveau - ICM 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, et 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 la plateforme logicielle afin de l’étendre à d’autres types de données mais également à d’autres pathologies comme la maladie de Parkinson.

Nous souhaitons aller vers une meilleure standardisation des études de validation des systèmes d’aide à la décision médicale et une plus grande reproductibilité, donc des résultats plus fiables et transférables de manière plus efficace vers la clinique.