Comment l'IA détecte le cancer de la peau – et pourquoi c'est important

Une maladie où chaque minute compte

Le cancer de la peau est le cancer le plus répandu dans le monde, et le mélanome – sa forme la plus mortelle – tue plus de 60 000 personnes chaque année. Les taux de survie dépendent d'une détection précoce : détecté tôt, le mélanome a un taux de survie à cinq ans supérieur à 99 %. Détecté tardivement, ce chiffre chute en dessous de 35 %. Aujourd'hui, l'intelligence artificielle s'impose comme un outil puissant pour repérer les lésions suspectes plus rapidement et avec plus de précision que jamais.

Comment fonctionne l'analyse d'images par l'IA

La plupart des systèmes de détection du cancer de la peau par l'IA reposent sur l'apprentissage profond, une branche de l'apprentissage automatique construite autour de réseaux neuronaux convolutifs (CNN). Ces réseaux sont entraînés sur de vastes bases de données d'images dermoscopiques – des photographies de lésions cutanées prises avec des dispositifs grossissants spécialisés – chacune étant étiquetée par des dermatologues et confirmée par biopsie.

Pendant l'entraînement, l'algorithme apprend à reconnaître des motifs visuels subtils : des bords irréguliers, des formes asymétriques, des variations de couleur et des caractéristiques texturales qui distinguent les lésions malignes des lésions bénignes. Une fois entraîné, le système peut analyser une nouvelle image en quelques secondes et produire un score de risque de malignité.

Une revue systématique et une méta-analyse publiées dans npj Digital Medicine ont révélé que les algorithmes d'IA atteignaient une sensibilité de 87 % et une spécificité de 77 % pour la classification du cancer de la peau, contre une sensibilité d'environ 80 % et une spécificité de 74 % pour les cliniciens. Dans 30 des 38 études examinées, la précision de l'IA était non inférieure, voire supérieure, à celle des dermatologues.

Au-delà des images : spectroscopie et dossiers de santé

La détection par l'IA ne repose pas uniquement sur des photographies. DermaSensor, le premier dispositif de diagnostic du cancer de la peau basé sur l'IA approuvé par la FDA, utilise la spectroscopie de diffusion élastique. Une sonde portable émet de courtes impulsions de lumière sur une lésion, puis mesure la façon dont cette lumière se disperse sur les structures cellulaires et subcellulaires. Ses algorithmes, affinés au cours d'une décennie de recherche clinique, ont atteint une sensibilité de 96 % pour tous les cancers de la peau dans une étude pivotale menée par la Mayo Clinic.

Parallèlement, des chercheurs de l'université de Göteborg et de l'université de technologie Chalmers ont adopté une approche totalement différente. Leur étude portant sur plus de six millions d'adultes suédois a utilisé l'apprentissage automatique pour prédire le risque de mélanome à partir des dossiers de santé courants – diagnostics, médicaments, âge, sexe et données socio-économiques. Le meilleur modèle a identifié des groupes à haut risque où la probabilité de développer un mélanome dans les cinq ans atteignait environ 33 %, bien au-dessus du taux de base de la population de 0,64 %.

Humains et machines ensemble

Les preuves les plus solides suggèrent que l'IA fonctionne mieux comme un outil collaboratif plutôt que comme un remplacement des médecins. Une étude menée par Stanford Medicine a révélé que les cliniciens utilisant l'assistance de l'IA amélioraient leur sensibilité d'environ 6 points de pourcentage et leur spécificité de près de 5 points par rapport au travail en solitaire. Les avantages étaient les plus spectaculaires pour les non-spécialistes : les médecins généralistes, les infirmières praticiennes et les étudiants en médecine ont amélioré leur précision diagnostique d'environ 13 points en sensibilité lorsqu'ils étaient guidés par l'IA.

C'est important car la plupart des problèmes de peau sont d'abord vus par des généralistes, et non par des dermatologues. Les outils d'IA peuvent aider ces médecins de première ligne à décider quelles lésions justifient une orientation urgente et lesquelles peuvent être surveillées en toute sécurité – réduisant ainsi à la fois les cancers manqués et les biopsies inutiles.

Défis et perspectives d'avenir

D'importants obstacles subsistent. La plupart des systèmes d'IA ont été entraînés principalement sur des tons de peau plus clairs, ce qui soulève des inquiétudes quant aux biais de diagnostic à l'encontre des patients ayant une peau plus foncée. Les chercheurs s'efforcent activement de diversifier les ensembles de données d'entraînement, mais les progrès sont lents. Les cadres réglementaires sont également en train de se mettre à niveau – bien que la FDA ait approuvé plusieurs dispositifs, des questions persistent quant à la responsabilité, à la confidentialité des données et à la manière d'intégrer l'IA dans les flux de travail cliniques sans surcharger les médecins.

Néanmoins, la trajectoire est claire. À mesure que les algorithmes s'améliorent et que les données d'entraînement s'étendent, la détection du cancer de la peau assistée par l'IA est sur le point de devenir un élément standard des soins dermatologiques – transformant un appareil photo de smartphone ou une sonde portable en un outil de dépistage potentiellement salvateur.