Les apports de l’intelligence artificielle sont nombreux dans le domaine de la santé, pour assister les médecins dans les phases de diagnostic, de mise en place d’un plan de traitement et de suivi… Pour autant, certaines barrières subsistent. En premier lieu, celle de la transparence : en effet – et c’est l’essence même des intelligences artificielles – les informations qu’elles fournissent ne sont pas soutenues par des arguments tangibles pour un médecin. Cette relative opacité des systèmes d’IA a en outre induit l’inscription dans les lois de bioéthique le recours indispensable à une « garantie humaine » pour qu’aucune décision médicale ne soit prise par une IA « livrée à elle-même ». Face à ces limites, et surtout pour améliorer encore la qualité des apports de la technique aux médecins et aux chercheurs, des équipes de Berlin, Singapour et Oslo ont mis au point une IA « dotée » de parole…

… ou du moins d’une capacité de révéler les éléments qui lui permettent de produire une information, à partir de toutes les données biologiques qui lui sont soumises. Très concrètement, l’objectif des chercheurs était de mettre au point un système d’IA pour l’aide au diagnostic de cancers du sein. Leur première réussite a été de concevoir un système capable de prendre en compte des informations de nature morphologique, histologique et moléculaire, issues d’un échantillon de tissu mammaire. Grâce à cette intégration, l’IA peut ainsi « rapprocher » des informations qui sont en général dissociées : d’une part des données moléculaires portant, par exemple, sur le niveau d’expression de certains gènes, sur l’état de l’ADN des cellules (leur patrimoine génétique), ou sur la présence de certaines mutations, et d’autre part des données « spatiales », c’est-à-dire permettant de localiser dans l’échantillon la position des différentes observations. Une combinaison d’informations susceptible de dire beaucoup sur la nature de la tumeur, sa biologie et, très certainement, sur le pronostic qui lui est associé.

Mais la seconde prouesse est peut-être plus importante encore. Sur l’image microscopique qui est analysée par le système, celui-ci est capable de sur-imposer une carte de température qui indique comment chacun des pixels de l’image a contribué à l’information clinique qu’il a délivrée, et dans quelle mesure. Cette information, délivrée au médecin qui doit poser un diagnostic ou au chercheur qui interprète une expérience, permet de faire un pas vers l’« explicabilité » des décisions prises par l’IA. Un point crucial pour la validation clinique de ces approches et pour la compréhension des mécanismes biologiques fondamentaux très discrets que l’IA parvient à mieux déceler qu’un explorateur humain.

R. D.

Source : Binder, A. et al; Morphological and molecular breast cancer profiling through explainable machine learning; Nature Machine Intelligence; Mars 2021.