Les systèmes de diagnostic assistés par ordinateur, ou CAD, sont des outils qui utilisent l’intelligence artificielle (IA) pour améliorer la précision et l’efficacité du diagnostic en aidant les professionnels de santé dans l’interprétation des images médicales (IRM, CT, PET). Plusieurs étapes sont nécessaires pour développer des algorithmes d’apprentissage automatique afin de reconnaître des caractéristiques spécifiques associées à diverses conditions médicales :
a) le prétraitement des images (standardisation, optimisation de la qualité des données par ajustements de contraste, réduction de bruit…) ;
b) la segmentation pour identifier et isoler les structures pertinentes à l’analyse, par exemple l’hippocampe ou les ARIA (anomalies amyloïdes visibles à l’imagerie) ;
c) l’extraction de caractéristiques spécifiques (le volume, l’épaisseur corticale, ou la densité des plaques amyloïdes…) ;
d) la classification et l’évaluation pour aider au diagnostic différentiel, définir des éléments de pronostic ou de prédiction de déclin cognitif ;
e) la génération de rapports et de recommandations qui peuvent être utilisés par les cliniciens pour aider à la prise de décision diagnostique.
Leur dépendance aux données utilisées pour entraîner les algorithmes signifie que leur performance peut être limitée par la qualité et la diversité de ces données. Leur développement et leur intégration continue dans la pratique clinique nécessitent une attention constante aux aspects techniques, éthiques et réglementaires. Il existe de nombreux outils utilisant l’IA pour déterminer par exemple la volumétrie de l’hippocampe dans le diagnostic de la maladie d’Alzheimer comme FreeSurfer, U-net, NeuroQuant ; et parmi les leaders, une société française, Qynapse, qui développe le QyScore® pour la détection et le suivi et le QyPredict® axé sur la prédiction à l’échelle individuelle de la progression des maladies neurodégénératives. Sans remplacer les professionnels de santé qualifiés, ces systèmes améliorent la précision, réduisent la variabilité inter-opérateur, font gagner du temps et augmentent la confiance des professionnels de santé dans le rendu des résultats en particulier dans les cas complexes.
Exemple avec FreeSurfer.