Une équipe britannique a fait ce que presque aucune étude sur l\'IA médicale ne fait : évaluer l\'outil en conditions réelles de dépistage, sur une vraie population, et comparer 17 manières de l\'intégrer au travail des radiologues. Les résultats sont publiés dans Nature Cancer.
Ce que l\'étude a mesuré
L\'étude GEMINI a inclus 10 889 femmes dans une région du Royaume-Uni. Elle combine une intégration réelle de l\'IA dans le circuit de dépistage et des simulations permettant de comparer 17 scénarios d\'organisation différents.
Le dépistage britannique repose sur la double lecture : deux radiologues examinent chaque mammographie indépendamment. La question posée était simple. Que se passe-t-il si l\'on ajoute, remplace ou déplace une IA dans cette chaîne ?
Les résultats du scénario principal
- 10,4 % de cancers détectés en plus, soit environ 1 cancer supplémentaire pour 1 000 femmes dépistées.
- Taux de rappel maintenu, avec même une légère baisse de 0,8 %. C\'est un point décisif : un rappel signifie convoquer une femme pour des examens complémentaires, avec l\'angoisse que cela génère. Beaucoup d\'outils améliorent la détection au prix d\'une explosion des fausses alertes.
- Jusqu\'à 31 % de charge de travail en moins pour les lecteurs, et jusqu\'à 36 % dans certaines variantes.
Onze cancers supplémentaires ont été détectés dans les situations où l\'IA recommandait un rappel que la double lecture humaine n\'avait pas signalé, et où une relecture a donc été déclenchée.
Pourquoi cette étude compte plus que les autres
La plupart des travaux sur l\'IA en imagerie mesurent une performance en laboratoire : l\'algorithme reconnaît-il une lésion sur une base d\'images déjà constituée ? GEMINI mesure autre chose, bien plus difficile et bien plus utile : ce que devient un service de dépistage quand on y branche l\'outil.
C\'est la distinction qui manque à l\'immense majorité des dispositifs autorisés. Une étude de l\'Université de Toronto publiée en août dans PLOS Digital Health montrait que sur les dispositifs médicaux à base d\'IA autorisés par la FDA, une infime minorité avait fait l\'objet d\'un essai mesurant un bénéfice réel pour les patients.
La méthode retenue
Un détail mérite d\'être signalé : la conception de l\'étude a été guidée par les préférences des femmes participant au dépistage et par celles des radiologues lecteurs. Les auteurs insistent sur un principe, l\'IA soutient la décision humaine, elle ne la remplace pas.
C\'est aussi ce qui rend les résultats transposables. Un gain obtenu en supprimant le second lecteur humain serait ingérable politiquement et déontologiquement. Un gain obtenu en réorganisant la chaîne autour des lecteurs, beaucoup moins.
Ce que cela ne dit pas
L\'étude porte sur une région britannique et sur un dispositif de dépistage organisé en double lecture. Le système français, également fondé sur la double lecture, s\'en rapproche, mais la transposition demande sa propre évaluation. Aucun résultat de survie n\'est mesuré ici : détecter davantage de cancers ne prouve pas encore que l\'on sauve davantage de vies, question qui demande un suivi de plusieurs années.
