Votre magazine
numérique !

Alors que le volume des données médicales (résultats d'analyse, imageries, code génétique, etc.) ne cesse d'augmenter, l'IA semble tomber à point nommé pour analyser ce gisement d'informations et leur donner du sens. Le spectre de ses champs d'application potentiels donne le vertige : aide au diagnostic, prévention, prédiction des risques, optimisation et personnalisation des traitements, mise au point de nouvelles thérapies comme la chirurgie assistée par ordinateur, gestion administrative... Qui pouvait imaginer il y a encore dix ans que des statisticiens, des data scientistes, des data enginers et autres professionnels de l'analyse de données, travailleraient aujourd'hui à temps plein dans les hôpitaux au point de fonder un véritable écosystème. Une révolution est en cours et comme toute révolution, elle inspire un étrange sentiment, mélange d'ivresse, d'incertitude et de peur. Il est temps de démythifier l'IA et de faire le point sur ses répercussions pour les malades du rein.

La révolution IA

Jusqu'à présent nous n'avions qu'un rapport d'ordonnateur à ordonné aux machines qui se contentaient de suivre un programme informatique. Aujourd'hui, irriguées par un flot massif de données, elles sont capables d'apprendre et de développer des capacités cognitives. Ce qui relevait naguère de la science-fiction est désormais réalité. L'apprentissage de la machine passe par "l'ingestion" d'un énorme volume de données bien précises. L'IA est ainsi capable de dépasser les performances humaines dans de nombreux domaines, notamment pour effectuer des tâches répétitives exigeant rigueur et attention mais peu de réflexion. Cette automatisation de certaines actions permet ainsi de décharger l'esprit humain et dans le cas du médecin, lui permettre de se concentrer sur d'autres tâches, comme l'écoute, l'empathie ou la communication, mais aussi l'assister dans ses prises de décision.

L'IA et le rein

Comme pour bien d'autres spécialités de médecine, l'IA est susceptible de relever de nombreux défis en néphrologie. La discipline se prête d'ailleurs particulièrement bien à l'utilisation d'algorithmes : les patients atteints d'IRC sont suivis et traités pendant des dizaines d'années et accumulent donc pendant tout ce temps des données informatisées précises, comme celles par exemple délivrées par les générateurs de dialyse.

De nombreuses pistes de travail sont ouvertes : la personnalisation des traitements immunosuppresseurs, l'identification et la prévention des effets secondaires des médicaments, l'optimisation du parcours de soins, l'optimisation de la prise en charge et du traitement de l'anémie, l'optimisation des séances de dialyse ou des ressources humaines dans les services de dialyse... Pour l'heure, l'IA n'en est encore qu'à ses balbutiements en matière de néphrologie mais de nouveaux algorithmes sont mis au point ou sont sur le point de l'être. De nombreuses études sont en cours et devraient aboutir dans les années qui viennent. Voici un point - non exhaustif - sur les dernières avancées en la matière.

L'IA au service de la prévention

Des développements ont été récemment réalisés en matière de prévention. Des algorithmes vont pouvoir détecter les patients à risques et appliquer des mesures de prévention pour éviter les complications. Une insuffisance rénale aiguë n'est pas facile à prévenir, en l'absence de symptômes, il faut expressément la rechercher. Elle peut aboutir à une insuffisance rénale chronique, un traitement par dialyse, un allongement du séjour à l'hôpital et souvent à un risque de mortalité augmenté.

Un modèle conçu par la filiale de Google DeepMind, entraîné à partir d'une base de plus de 700 000 patients, a permis de prédire 90 % des épisodes de lésions rénales aiguës ayant nécessité une dialyse survenue chez des patients hospitalisés. Des mesures de prévention appropriées leur ont évité bien des complications. Certains modèles donnent une idée des lacunes du système et du chemin qui reste encore à accomplir : à partir d'une base de 700 000 patients, un premier groupe d'adultes hospitalisés pour IRC a été dégagé. Parmi eux, on a identifié un second groupe de malades atteints de pathologies cardio-vasculaires, d'hypertension et de diabète. Un algorithme de machine learning a permis d'estimer une population de 2,3 millions de patients IRC non dialysés en France dont 1,8 millions non diagnostiqués. Leur détection précoce aurait un impact considérable en termes de santé publique.

Même si cela n'est pas spécifique au rein, il est intéressant de savoir que l'Université de Genève est en train de construire un outil pour prédire les risques d'infection nosocomiale des nouveaux patients admis à l'hôpital selon leur parcours dans l'établissement, les lits ou locaux occupés, le personnel fréquenté, etc. L'objectif est d'indiquer aux équipes les endroits spécifiques où de nouvelles barrières permettraient de réduire le risque de contamination.

Une assistance au diagnostic et à la stratification du risque

De réels progrès sont à attendre en termes d'assistance de l'IA à la décision clinique et, bonne nouvelle, la France est leader dans ce domaine. En l'occurrence des résultats concrets ont été obtenus par une équipe française. Avec le soutien de l'Inserm, de l'Assistance Publique - Hôpitaux de Paris au sein du tout récent institut de transplantation d’organe et de médecine régénérative de Paris (PITOR), ainsi que de l'Union européenne, l'équipe d'Alexandre Loupy, professeur de néphrologie et d'épidémiologie à l'hôpital Necker, avait inventé l'intégrative Box ou iBox, le premier outil universel de prédiction du risque de perte de rein greffé basé sur l'intelligence artificielle, validé dans 12 Pays et 26 centres dans le monde. Au mois de mai, elle publiait un article dans la prestigieuse revue Nature Medicine pour annoncer leur dernier développement, un assistant informatique automatisé pour diagnostiquer les rejets de greffe. 

L'outil nommé "Banff Automation" - d'après la classification de Banff, la référence pour le diagnostic du rejet - a été testé sur 4 409 biopsies de 3 054 patients greffés et a montré plus de 40 % des diagnostics de rejet devaient être reclassifiés. Ainsi des patients diagnostiqués "rejet" à tort se voient contraints de suivre des traitements lourds par excès pouvant éventuellement engendrer des complications tandis que d'autres patients pouvaient se voir privés de thérapeutiques spécifiques et finir par perdre leur greffon.

« Un mois après la sortie du papier dans Nature Medecine, les experts internationaux, chargés de mettre à jour la classification internationale, avaient déjà approuvé le système et reconnu son utilité. Il est déjà utilisé dans deux hôpitaux en France et aux États-Unis », explique Alexandre Loupy.

« Par ailleurs, le système algorithmique iBox est aujourd’hui un des rares algorithmes qualifiés par l’agence Européenne du Médicament et a bénéficié d’un déploiement chez plus de 9 000 patients en France et 4 000 aux États-Unis. Le système Prédigraft d’aide à la décision clinique est actuellement testé dans un essai randomisé incluant 16 centres de transplantation en France, Royaume-Uni, Allemagne, Autriche, Espagne, Suisse et Israël. Ce type d'outil compagnon, capable de faire du médecin un "clinicien augmenté", c'est le futur de la médecine », poursuit Alexandre Loupy.

Quand l'algorithme mène l'enquête

L'école d'ingénieurs Institut Mines-Télécom - IMT Nord Europe a mis au point un "nez électronique" capable de détecter l'insuffisance rénale dans l'haleine des patients. On sait que l'air expiré par un individu est chargé de composés volatils pouvant renseigner sur son état métabolique. En l'occurrence, des traces d'ammoniaque sont présentes dans l'haleine des personnes souffrant d'insuffisance rénale chronique. Il faut encore identifier une dizaine d'autres composés organiques pour assurer la fiabilité du diagnostic. Si le concept aboutit, adieu les bandelettes urinaires, il suffira de souffler dans l'engin pour qu'il donne l'alerte, et ce pour un coût quasi-nul :
les capteurs en polymères reviennent à leur état initial après avoir réagi aux molécules organiques de l'haleine. Au cours des tests réalisés, différents paramètres ont été mesurés et analysés à l’aide d’algorithmes de traitement statistique. Ceux-ci s'appuient sur le machine learning, à la différence qu’ils sont ici appliqués sur de petits volumes de données. Il a fallu apprendre à ces algorithmes à classer les haleines et ainsi les entraîner sur un jeu de données déjà identifiées comme appartenant à un individu sain, malade ou "incertain".

Autre avancée d'importance, l'Institut Curie a développé une nouvelle technique de séquençage permettant de séquencer tous les gènes exprimés dans une tumeur et d'identifier l'origine précise d'un cancer. Dans 2 à 3 % des cas – soit 7 000 personnes par an - les cancers ne sont détectés que par la présence de métastases dans le corps et demeurent d'origine inconnue. On parle de "tumeur fantôme". L'algorithme de deep learning conçu par Curie compare le résultat du séquençage à une base de 20 000 profils et donne en quelques minutes, avec un taux de réussite de 95 %, l'origine exacte de la tumeur. Récemment, un patient atteint de deux tumeurs au cerveau avait refait à nouveau des métastases en dépit d'une opération parfaitement réussie. L'ordinateur a en fait décelé un cancer au rein, alors que l'organe avait déjà été passé au crible sans que l'on puisse suspecter quoi que ce soit.

Des machines de plus en plus intelligentes

La dialyse épure le sang au travers d'une membrane semi-perméable grâce à des échanges entre le sang et un liquide de dialyse, le dialysat, contenant des électrolytes à une concentration voisine de celle du plasma. Le dialysat est   préparé par le générateur tout au long de la séance de dialyse, à partir d'une eau pure mélangée en proportions très précises avec des solutions concentrées en ions et du bicarbonate de sodium utilisé comme tampon. Pour que la dialyse soit efficace, il faut ajuster le dialysat à la concentration de sels minéraux, les électrolytes (sodium, potassium, calcium, magnésium, chlorure, et bicarbonate) qui circulent dans le sang du patient. Certains moniteurs d'hémodialyse prédisent les concentrations d'électrolytes au cours des séances de dialyse et sont en mesure de déterminer automatiquement la quantité de sels minéraux dans le dialysat. D'autres sont équipés d'algorithmes capables de déterminer le profil optimal du débit de réinjection du liquide de substitution. Ils optimisent ainsi la quantité de dialysat injectée dans le sang et donc l'efficacité de la séance d'hémodialyse.

Une aide à la recherche

La recherche médicale fort gourmande de données devrait bénéficier pleinement des services de l'IA et de la révolution numérique en cours. Aujourd'hui, 85% des essais cliniques concernant la mise au point de nouveaux traitements se soldent par un échec, la plupart du temps à cause de failles dans les protocoles de recherche qui précisent les informations sur la méthode et le déroulement de l'étude. A partir de bases de données recensant les essais cliniques, des algorithmes peuvent désormais prédire le risque d'échec des nouveaux protocoles et même déterminer quelles parties posent problème. Ce nouvel outil devrait faciliter et accélérer la mise sur le marché de nouveaux médicaments et même de réduire leur prix.

Un corps médical dans l'expectative

Mais tout n'est pas rose au pays de l'IA. Tout d'abord, en dépit de tous ses bénéfices, l'IA est encore un domaine méconnu pour de nombreux praticiens. Certains redoutent de se voir déposséder d'une partie de leurs compétences.

« Si l'article paru dans Nature Medicine annon-
çant le développement de notre système automatique de prédiction du rejet de greffe a reçu un bon accueil, il a aussi dérangé bon nombre de médecins », indique Alexandre Loupy. « Dès qu'il y a une classification, un tri effectué par la technologie, cela soulève des questions. Pourtant, le code du Banff Automation a été construit de manière totalement transparente, validée et est en libre accès. » 

Le déficit d'information est grand et il va falloir du temps et de nombreuses formations pour que les professionnels de santé s'approprient ces nouveaux outils. « Est-ce l'effet Chat GPT ? En tout cas, il me semble que nous sommes à un tournant et que les gens ont moins un peu peur de l'IA », remarque le professeur. Il sera cependant crucial d'organiser la formation des professionnels de santé à l'IA et leur permettre d'apprivoiser ces nouvelles technologies.

Par ailleurs, de réels progrès ne seront possibles qu'avec l'instauration d'une concertation pluridisciplinaire permettant une collaboration avec des mathématiciens, statisticiens et autres data scientists.

Enfin, l'IA ne va pas manquer d'impacter la relation patient-médecin. Pour Alexandre Loupy, « l'IA pourrait même renforcer cette relation notamment par le biais des applications qui en découlent et qui, utilisées au quotidien par le patient permettent de renouer le contact avec le médecin et aussi de rendre le patient acteur de sa propre santé. » Il n'empêche que pour des questions d'éthique, tout patient devrait être averti lorsque le soignant fait appel aux recommandations d'un système décisionnel automatique. Reste à savoir dans quelle mesure il peut refuser une décision générée par l'IA si cela ne lui convient pas...

Des risques d'erreurs ?

Cette nouvelle technologie apporte son lot de questionnements. Le succès de l'IA en néphrologie comme ailleurs passe d'abord par la qualité des données sur lesquelles l'algorithme va travailler. Ces données doivent être fiables. Il est important de garantir leur intégrité. Si elles ne sont pas rentrées correctement dans le logiciel, alors les résultats peuvent être faussés. Par exemple, dans le cas d'un logiciel chargé de mesurer l'efficacité d'un traitement, il est nécessaire de vérifier si le panel de données rentrées correspond bien à des profils d'individus variés en termes d'âge, de sexe, de poids, d'origine, etc. On a coutume de dire que le big data obéit à la "règle des 4 V" :
volume, vélocité (c'est-à-dire la rapidité avec laquelle les data sont générées et traitées), variété et véracité. Avant d'être diffusés, les nouveaux algorithmes susceptibles de prescrire un traitement ou de faire un diagnostic doivent faire l'objet d'essais cliniques sérieux et être validés par les instances de réglementation. Par ailleurs, une directive de l'Union Européenne exige que les algorithmes suggérant des décisions fournissent une explication de ces décisions.

Et l'homme dans tout ça ?

En dépit des avantages apportés par l'IA dans le secteur de la santé, il semblerait qu’une certaine réticence soit observée par le grand public. La crainte d'une atteinte à la vie privée et la violation du secret professionnel lors de l’exploitation des données personnelles constitue l'un des points d'achoppement. Rappelons cependant que la CNIL reste ferme quant à la protection des données et à leur anonymisation. 

L'autre hantise porte sur des décisions qui seraient entièrement automatisées, prises sans intervention aucune d'un être humain. Pourtant l'objectif des chercheurs qui travaillent sur l'IA n'est pas de remplacer les médecins mais bien de les aider dans leur diagnostic ou pronostic, de les accompagner dans l'adaptation des soins et l'anticipation des risques. Les algorithmes doivent être envisagés comme de simples outils permettant d'aller dans le sens d'une médecine plus personnalisée et d'un suivi optimisé. Ils ne sauraient se substituer à l'expertise des médecins. Les résultats délivrés par le logiciel doivent être perçus comme un avis, un conseil, en aucun cas comme une information faisant autorité. L'IA obéit à une logique d'augmentation et non de remplacement. Dans tous les cas, la responsabilité d'une décision médicale revient toujours au médecin qui la prend. Selon Alexandre Loupy, une véritable révolution de la pratique est en cours. « La néphrologie ne se fera pas sans l'aide de l'IA. Les algorithmes ne remplaceront pas les docteurs, mais les docteurs qui n'utiliseront pas les algorithmes seront remplacés par ceux qui les utiliseront. » 

Focus

Xénogreffe : l’espoir pour en finir avec la pénurie d’organes

Le Dr Loupy qui dirige l’unité de recherches de l’Inserm a annoncé avoir collaboré avec une équipe de chercheurs de l’hôpital de Langone à New York qui a réalisé une première mondiale : la transplantation d’un rein de porc génétiquement modifié dans le corps d’un être humain en état de mort cérébral et qui fonctionne au-delà d’un mois. C’est la première fois qu’une xénotransplantation (transplantation d'un greffon où le donneur est d'une espèce biologique différente de celle du receveur) tient aussi longtemps sans rejet : 32 jours (à l’heure où nous écrivons ces lignes).

Pour le Dr Loupy, « c’est un véritable espoir pour en finir avec la pénurie d’organes. On peut très bien imaginer le scénario pas si futuriste que ça où, lorsque vous avez une défaillance d’organes et qu’on peut déterminer une échelle de temps, ces fermes de cochons transgéniques vous génèrent votre cochon et vous recevez les organes au bon moment ».