Radiologie, anatomopathologie, dermatologie : où en est-on vraiment ?
Depuis 2012 et la révolution AlexNet, l'imagerie médicale absorbe les algorithmes les plus performants. Du cancer du sein à la rétinopathie diabétique, retour sur 14 ans d'avancées.
ImageChecker M1000 devient le premier dispositif d'aide à la décision en imagerie médicale autorisé aux États-Unis. C'est l'ancêtre de toutes les IA radiologiques actuelles.
Stanford entraine un réseau de neurones sur 130 000 images de peau. Sur 1900 cas tests, l'IA égale 21 dermatologues. C'est le premier vrai choc pour la spécialité.
Sur 9000 images de fond d'œil indien, l'algorithme atteint 90,3% de sensibilité. Plus tard, ça deviendra le premier dispositif IA approuvé par la FDA sans supervision humaine.
L'équipe d'Andrew Ng à Stanford bat 4 radiologues experts sur des radios thoraciques. Le modèle, basé sur DenseNet, est rendu open-source, une décision rare.
Pour la première fois, un dispositif IA peut prendre une décision médicale sans qu'un médecin la confirme : dépistage de la rétinopathie diabétique en cabinet de généraliste.
L'algorithme chinois COVID-Net classifie correctement 96% des cas en s'appuyant sur 10 000 scanners. Pendant la pandémie, l'outil est déployé en urgence dans 60+ pays.
Après 5 ans d'études, le programme "AI breast cancer screening" passe en routine sur 60 hôpitaux UK. Détection : +13% de cancers, 25% de faux positifs.
JAMA publie le bilan sur 8 hôpitaux ayant déployé des outils IA d'aide à la lecture depuis 2 ans. Volume traité +35%, fatigue déclarée, 40%, erreurs de lecture, 15%.
Le système Rayvolve, validé par la HAS française, est désormais intégré aux urgences pédiatriques de 40 hôpitaux. Sensibilité : 94% sur les fractures occultes.
Une étude conjointe Mayo Clinic / Microsoft Research compare GPT-5 Vision à 12 radiologues sur 1 200 radios thoraciques. L'IA fait jeu égal sur les opacités, mais reste en retrait…