La branche de recherche d'Alibaba a mis à disposition un modèle d'intelligence artificielle capable d'identifier près de 150 affections abdominales, y compris des cancers, en lisant des tomodensitométries (TDM), la dernière étape du programme d'IA médicale en expansion du groupe technologique chinois.
Le modèle, appelé Damo Radar, a été développé par Damo Academy, l'institut de recherche d'Alibaba, et décrit dans une étude publiée jeudi dans la revue Science, selon le South China Morning Post. L'institut a annoncé vendredi la publication d'un logiciel open source. Contrairement aux systèmes commerciaux fermés, un modèle open source peut être téléchargé, inspecté et adapté par les hôpitaux et les chercheurs – un modèle de distribution qui pourrait accélérer son adoption dans les cliniques qui ne pourraient jamais obtenir de licence pour un outil de diagnostic exclusif. Pour plus de contexte sur cette histoire, consultez notre tendances IA.
Un modèle généraliste pour l'imagerie médicale
Damo Radar est un modèle de langage visuel conçu pour analyser les tomodensitogrammes à contraste amélioré couvrant 18 organes abdominaux et identifier un large éventail de maladies et autres anomalies, y compris les tumeurs malignes, a indiqué l'institut. Ses créateurs le décrivent comme « le premier modèle d’imagerie médicale généraliste au monde de niveau expert » – un système unique destiné à lire de nombreux résultats différents plutôt qu’un outil restreint conçu pour repérer une maladie.
Cette ambition généraliste le distingue de la plupart des systèmes d’IA médicale déployés jusqu’à présent, qui ont généralement été construits et validés pour une seule tâche, comme la détection d’un type de tumeur. Un modèle unique couvrant 146 résultats cliniques distincts, s’il résiste en dehors du laboratoire, pourrait changer les aspects économiques du déploiement de l’IA dans les services de radiologie, où l’assemblage d’une douzaine d’outils à usage unique s’est révélé peu pratique.
Le modèle a été formé sur des tomodensitogrammes associés à des rapports cliniques, une approche qui apprend au système à relier ce qui apparaît sur une image avec le langage utilisé par les cliniciens pour la décrire. L'équipe de recherche a déclaré que la méthode de formation pourrait éventuellement être étendue à d'autres types d'imagerie médicale, selon le Post.
Testé contre des radiologues en activité
Les principaux chiffres proviennent d'une évaluation de près de 40 000 examens réels. Sur 146 résultats cliniques, Damo Radar a atteint une aire moyenne sous la courbe (AUC) de 0,913, une mesure statistique de la performance diagnostique dans laquelle 1,0 représente une précision parfaite, a rapporté l'étude.
La comparaison avec des lecteurs humains attirera le plus d’attention. Dans une étude impliquant 26 radiologues de plusieurs hôpitaux, la précision moyenne du modèle a dépassé celle de 23 participants, selon la recherche. Et lorsque les radiologues ont travaillé avec l'aide du modèle, ils ont amélioré leur capacité à éviter les diagnostics manqués de 10 pour cent tout en réduisant le temps requis par cas de plus de 30 pour cent, a déclaré la Damo Academy.
La recherche a impliqué plusieurs institutions aux côtés d’Alibaba, dont un hôpital affilié à l’Université du Zhejiang. La publication dans Science, l’une des revues scientifiques les plus sélectives, donne aux résultats un niveau de contrôle externe qui manque souvent aux références sponsorisées par les fournisseurs – bien que les performances réelles dépendent toujours des analyses, de l’équipement et des populations de patients qu’un hôpital voit réellement.
Pourquoi l'Open Source est important
Lâcher les poids ouvertement est un choix remarquable pour les technologies médicalement sensibles. Les fournisseurs propriétaires gardent généralement les modèles médicaux fermés, invoquant la réglementation et la sécurité. La version ouverte permet aux chercheurs indépendants de sonder les modes de défaillance, permet aux hôpitaux d'exécuter le modèle sur leur propre infrastructure sans envoyer les données des patients à un fournisseur externe et donne aux établissements plus petits l'accès à des capacités autrement réservées aux grands systèmes hospitaliers.
Cela signifie également qu’Alibaba exerce moins de contrôle sur la manière dont le modèle est utilisé. La disponibilité ouverte n’est pas une approbation clinique : les régulateurs de chaque juridiction décideront toujours si et comment le modèle peut être déployé sur les patients, et les hôpitaux devront le valider sur leurs propres équipements et populations.
Une mise en garde mérite d’être notée : le South China Morning Post appartient à Alibaba, un fait que le journal révèle dans son propre rapport. La publication de l'étude sous-jacente dans Science fournit une confirmation indépendante de la recherche elle-même, mais le cadrage de l'annonce de vendredi vient inévitablement du côté de l'entreprise.
La poussée plus large de l'IA médicale d'Alibaba
Damo Radar n'est pas le premier pas d'Alibaba dans le domaine de l'imagerie diagnostique. La Damo Academy a passé ces dernières années à développer des outils de dépistage par IA pour aider les médecins à identifier les cancers du pancréas, de l'estomac et colorectal ainsi que les dissections aortiques, selon le Post. En avril, la division a publié un modèle appelé Coca, co-développé avec des institutions telles que l'hôpital général du Guangdong, qui, selon la société, était plus sensible que les radiologues pour détecter le cancer colorectal à un stade précoce sur les tomodensitogrammes.
La progression des tests de dépistage d'une seule maladie vers un modèle généraliste reflète un pari plus large : de grands modèles de langage visuel formés sur des images et des rapports appariés peuvent absorber un travail de reconnaissance de formes qui nécessite actuellement peu de temps de spécialiste. La pénurie de radiologues est aiguë dans de nombreux systèmes de santé, et les programmes de dépistage génèrent bien plus d’examens que les spécialistes ne peuvent lire avec la même attention.
Ce qui vient ensuite
Une version open source est un début, pas un déploiement. Les hôpitaux qui envisagent ce modèle auront besoin d'une validation locale sur leurs propres analyses, et l'utilisation clinique dépendra de l'examen réglementaire pays par pays. Mais les preuves publiées cette semaine – près de 40 000 examens réels, une comparaison directe avec des radiologues en activité et une réduction de 30 % du temps de lecture grâce à l’aide de l’IA – donnent à Damo Radar une base plus solide que la plupart des modèles présentés sous forme de communiqués de presse. La question de savoir si les modèles d’imagerie médicale généraliste deviendront des outils hospitaliers standards ou resteront des jalons de la recherche dépendra de leur performance dans l’environnement plus complexe de la pratique clinique quotidienne.
---
Restez à la Pointe de l'IALes dernières actualités, analyses et percées en IA — au même endroit.
Lire plus d'actualités IA →
