Big Data et Intelligence artificielle : nouvelle révolution technologique dans le domaine de la radiologie infantile.

La radiologie pédiatrique est une discipline relativement jeune qui est devenue un domaine et un secteur de recherche passionnant. Il est maintenant important d’utiliser le potentiel de l’intelligence artificielle pour offrir aux enfants des soins encore meilleurs – et pour améliorer encore la visibilité du sujet.

Mise en œuvre pratique : il y a encore du rattrapage à faire lors de la formation aux algorithmes

La radiologie pédiatrique est une discipline relativement jeune qui, avec les progrès triomphants du diagnostic par tomodensitométrie et – plus encore – par IRM, est passée d’un domaine radiologique marginal à une spécialité et un domaine de recherche passionnant. Il est maintenant important d’utiliser le potentiel de l’intelligence artificielle pour offrir aux enfants des soins encore meilleurs – et pour améliorer encore la visibilité de la discipline. Les rayons X ont été découverts il y a plus de 120 ans. Les radiologues existent depuis presque aussi longtemps. Les radiologues pédiatriques spécialisés, en revanche, sont apparus tardivement, et en plus grand nombre seulement avec l’introduction de la tomographie assistée par ordinateur (CT) dans les années 1980 : “Pendant longtemps, les pédiatres faisaient des examens radiologiques normaux en parallèle. Seule la tomodensitométrie a nécessité des spécialistes, et ce fut une étape importante qui a permis d’élargir considérablement notre champ de compétences”, souligne le professeur Franz Wolfgang Hirsch du département de radiologie pédiatrique de l’hôpital universitaire de Leipzig.

La recherche se concentre sur la liberté de rayonnement

D’autres innovations techniques ont également été reprises très tôt par la radiologie infantile : Les examens à ultrasons, qui sont apparus à peu près en même temps que le scanner, ont constitué une révolution en ce sens qu’ils ont permis pour la première fois d’obtenir une imagerie sans rayonnement chez les enfants. “Au moins depuis cette époque, la minimisation de la dose de radiation a joué un rôle très décisif dans l’examen des enfants. Après tout, les enfants portent toute leur vie avec eux la charge de radiation que nous leur imposons à un jeune âge”, explique M. Hirsch. Dans ce contexte, il n’est pas surprenant que le diagnostic par imagerie par résonance magnétique (IRM) soit devenu, à partir des années 1990, peut-être la plus grande révolution de la radiologie de l’enfant à ce jour : “L’IRM a énormément enrichi le sujet. Soudain, nous avons pu faire des recherches sur nos propres questions, ce qui a rendu la radiologie pédiatrique beaucoup plus intéressante, notamment pour la prochaine génération. Des sujets tels que l’IRM pulmonaire, l’urographie par RM ou l’IRM prénatale concernent presque exclusivement les enfants et ont été influencés de manière significative par les radiologues pédiatriques – également originaires d’Allemagne – et introduits dans la routine clinique.

PET/MRT : adapté aux besoins des enfants

Le dernier domaine dans lequel la radiologie pédiatrique a pu apporter une contribution scientifique pertinente à ce jour est la combinaison de l’examen de médecine nucléaire (tomographie par émission de positons, TEP) et de la TRM, ou TEP/TDM en abrégé. Alors que les adultes aiment combiner un examen TEP et un CT pour le diagnostic du cancer et pour certaines questions concernant les maladies du cerveau, ce type de TEP/CT est rare chez les enfants. La raison : l’exposition aux radiations est considérable. Néanmoins, il existe également un besoin en pédiatrie pour un examen combiné qui peut montrer l’anatomie en détail ainsi que le métabolisme cellulaire au niveau moléculaire. La réponse a été le développement de la TEP/IRM, qui a été déclenché principalement par la radioprotection et a longtemps été considéré comme techniquement difficilement réalisable. “L’examen de tout le corps d’un enfant atteint, par exemple, d’une maladie cancéreuse est désormais possible grâce à la TEP/IRM avec moins d’un dixième de la dose de rayonnement qui serait nécessaire avec la TEP/TDM”, souligne M. Hirsch.

La radiologie infantile à l’heure des Big Data et de l’intelligence artificielle

L’ère de l’innovation en radiologie pédiatrique a-t-elle pris fin avec la TEP/IRM ? Clairement non, dit Hirsch : “Comme tous les autres radiologues, nous devons, en tant que radiologues pour enfants, relever les défis de l’intelligence artificielle. Nous ne devons pas courir après les développements, mais participer activement à leur mise en forme en tenant compte des besoins spécifiques des enfants”. Les sujets pouvant être traités à l’aide d’algorithmes d’auto-apprentissage et d’autres applications Big Data ne manquent pas. Ainsi, il existe également de nombreux points de départ en radiologie pédiatrique pour soulager le personnel des tâches de routine. Hirsch considère que la détermination radiologique de l’âge des os et l’évaluation des radiographies du thorax sont particulièrement intéressantes. “Ici, les algorithmes ont le potentiel de faire gagner du temps et d’assurer une qualité de diagnostic constante”. Les radiologues abordent les technologies émergentes comme l’intelligence artificielle, la réalité virtuelle ou la robotique avec enthousiasme. Telle est la tendance qui ressort de l’enquête menée par la Société Française de Radiologie avec le soutien de GE Healthcare et dévoilée cette semaine à l’occasion des Journées Francophones de Radiologie 2017. Le big data, la robotique ou la réalité augmentée sont des technologies en plein essor, et dont le potentiel pour transformer tous les secteurs est considérable. La santé n’est pas en reste : les équipements médicaux génèrent d’énormes quantités de données. D’ici 2020, leur volume va être multiplié par 501. L’enjeu n’est plus seulement l’accès à l’information, mais l’analyse de ces données pour leur donner du sens.

Mise en commun des compétences

Une évaluation par algorithme des ensembles de données radiologiques pour les maladies génétiques rares pourrait également être passionnante, notamment en ce qui concerne les enfants. “Il est possible que les applications correspondantes dans les ensembles de données radiologiques révèlent des corrélations que l’œil du radiologue ne peut plus détecter”, explique M. Hirsch. S’il est bien formé, un algorithme d’auto-apprentissage pourrait, par exemple, faire des suggestions de diagnostic pour les maladies rares. Mais pour y parvenir, il faut d’abord effectuer un travail de base en radiologie pédiatrique : “Nous avons besoin d’ensembles de données proprement enregistrées et trouvées pour permettre aux algorithmes d’apprendre en premier lieu”, explique M. Hirsch. La Société radiologique allemande (DRG) et la Société européenne de radiologie (ESR) ont toutes deux déclaré qu’il s’agissait d’un objectif stratégique. “Cependant, nous sommes encore un peu à la traîne en termes de mise en œuvre pratique. Il est impératif que nous nous attaquions à ce problème dès maintenant afin que la radiologie pédiatrique reste une discipline d’avenir attrayante et que nous puissions participer activement à la mise en place des bouleversements nécessaires dans le contexte clinique et scientifique”.