IA en médecine : entre prouesses et décalage avec la réalité

Article Article

De l'imagerie aux modèles génératifs, les applications médicales de l'IA atteignent des niveaux de maturité très différents. Mais les biais, les données imparfaites et le passage du laboratoire à la vraie vie imposent de regarder leurs performances avec prudence.

IA en médecine : entre prouesses et décalage avec la réalité

© Midjourney x What's up Doc

L’imagerie, première de la classe

Toutes les IA médicales n’avancent pas au même rythme. « Il y a deux grandes sources de données : l’image et le texte », rappelle Hugues Berry, directeur du pôle IA et numérique de l’Inserm. Sur les données d’imagerie, les usages sont déjà avancés : « Il y a beaucoup d’outils basés sur l’IA qui peuvent faire du diagnostic ou de la segmentation ». En ophtalmologie, en radiologie ou en anatomopathologie, certains sont déjà intégrés aux logiciels et utilisés en pratique. « En recherche, ces systèmes sont même parfois meilleurs que les médecins, même les experts » sur des tâches bien définies.

En revanche, dès qu’il s’agit de combiner plusieurs types de données (image, texte, dossiers médicaux, biologie) les modèles sont encore largement en

Les gros dossiers

+ De gros dossiers