Un système d'aide au diagnostic du cancer de la peau basé sur l'IA explique ses décisions
Les explications ont renforcé la confiance des médecins dans les décisions de la machine, ainsi que dans leurs propres diagnostics
L'intelligence artificielle (IA) peut aider les dermatologues à détecter les cancers de la peau. Cependant, de nombreux dermatologues se méfient des décisions des algorithmes, qu'ils ne peuvent pas comprendre. Des scientifiques du Centre allemand de recherche sur le cancer ont mis au point un système d'aide au diagnostic du cancer de la peau basé sur l'IA qui explique ses décisions. Le système utilise des caractéristiques diagnostiques établies qui se rapportent à des zones spécifiques de lésions suspectes. Les explications ont renforcé la confiance des médecins dans les décisions de la machine, ainsi que dans leurs propres diagnostics.
Le mélanome est responsable de la majorité des décès liés au cancer de la peau dans le monde. Cependant, les mélanomes à un stade précoce sont difficiles à distinguer des autres tumeurs cutanées. Les progrès récents des systèmes d'aide au diagnostic basés sur l'intelligence artificielle peuvent aider les dermatologues à diagnostiquer les mélanomes et les grains de beauté avec plus de précision lorsqu'on leur présente des images numérisées de lésions suspectes.
Toutefois, les médecins souhaitent comprendre quelles sont les caractéristiques qui déterminent le résultat d'un système d'aide à l'intelligence artificielle. "La responsabilité ultime d'un diagnostic incombe au clinicien. C'est pourquoi les dermatologues sont à juste titre prudents quant à l'utilisation de systèmes basés sur l'IA sans être en mesure de comprendre leurs décisions", explique Titus Brinker, dermatologue et scientifique au DKFZ. Mais les systèmes ont tendance à inclure toutes les caractéristiques corrélées dans leur prise de décision, y compris les corrélations fallacieuses.
"Notre objectif était donc de mettre au point un système d'aide adapté à la façon dont les dermatologues envisagent le diagnostic du mélanome et qui explique leur prise de décision", explique M. Brinker. "À la suite de travaux antérieurs, nous avons développé notre intelligence artificielle explicable (XAI = explainable artificial intelligence) pour fournir des explications de type dermatologique basées sur les caractéristiques de zones spécifiques et individuelles de la lésion.
Dans une étude en trois phases, l'équipe de Brinker a étudié les effets sur la précision du diagnostic, la confiance dans le diagnostic et la confiance des dermatologues dans le système explicatif. Les chercheurs ont également voulu savoir quels facteurs favorisaient la confiance des médecins dans cette technique.
Plus d'une centaine de dermatologues de 33 pays différents ont participé à l'étude. Les médecins ont diagnostiqué un panel d'images numérisées de diverses lésions à trois reprises - sur la base de leur seule expérience, avec l'aide d'un système d'IA conventionnel et avec l'IAO.
Comme l'ont montré des études antérieures, l'utilisation d'un système d'IA a augmenté la précision du diagnostic dans la détection du mélanome, mais l'utilisation de l'IAO n'a pas permis d'améliorer davantage cette précision. La confiance des dermatologues dans leurs propres décisions s'est également améliorée avec l'aide de l'IA - et a encore augmenté de manière significative avec l'utilisation du système XAI. Les médecins avaient particulièrement confiance en leur propre diagnostic lorsque leurs critères de décision correspondaient en grande partie aux critères énumérés par le XAI.
Les résultats montrent que le XAI peut améliorer la confiance des cliniciens en matière de diagnostic et qu'il est susceptible d'accroître l'acceptation des méthodes d'IA parmi les professionnels de la santé", explique Titus Brinker, responsable de l'étude, qui ajoute : "Le règlement européen sur la protection des données exige que le XAI soit utilisé dans le cadre d'un projet de recherche : "Le règlement général européen sur la protection des données exige que toutes les décisions basées sur des algorithmes soient interprétables pour les utilisateurs. Notre travail est un premier pas important pour combler le déficit d'interprétation."
Tirtha Chanda, Katja Hauser, Sarah Hobelsberger, Tabea-Clara Buche, Carina Nogueira Garcia, Christoph Wies, Harald Kittler, Philipp Tschandl, Cristian Navarrete-Dechent, Sebastian Podlipnik, Emmanouil Chousakos, Iva Crnaric, Jovana Majstorovic, Linda Alhajwan, Tanya Foreman, Sandra Peternel, Sergei Sarap, İrem Özdemir, Raymond L. Barnhill, Mar Llamas Velasco, Gabriela Poch, Sören Korsing, Wiebke Sondermann, Frank Friedrich Gellrich, Markus V. Heppt, Michael Erdmann, Sebastian Haferkamp, Konstantin Drexler, Matthias Goebeler, Bastian Schilling, Jochen S. Utikal, Kamran Ghoreschi, Stefan Fröhling, Eva Krieghoff-Henning, Titus J. Brinker : L'IA explicable de type dermatologue renforce la confiance dans le diagnostic du mélanome.
Note: Cet article a été traduit à l'aide d'un système informatique sans intervention humaine. LUMITOS propose ces traductions automatiques pour présenter un plus large éventail d'actualités. Comme cet article a été traduit avec traduction automatique, il est possible qu'il contienne des erreurs de vocabulaire, de syntaxe ou de grammaire. L'article original dans Anglais peut être trouvé ici.
Publication originale
Autres actualités du département science
Recevez les dernières actualités du secteur des sciences de la vie
Ne manquez plus aucune actualité : notre newsletter consacrée aux biotechnologies, au secteur pharmaceutique et aux sciences de la vie vous informe tous les mardis et jeudis. Les dernières nouvelles du secteur, les produits phares et les innovations - de manière compacte et compréhensible dans votre boîte de réception. Recherché par nos soins, pour que vous n'ayez pas à le faire.
