Vers une recherche plus reproductible en intelligence artificielle pour la médecine

Mis en ligne le 22 octobre 2018
Ouvrir / fermer le sommaire

Pouvoir reproduire des résultats obtenus est un enjeu majeur en recherche biomédicale et une étape essentielle pour tirer des conclusions durables de ceux-ci. L’équipe ARAMIS, d’Olivier Colliot et Stanley Durrleman à l’ICM (équipe commune Inria/CNRS/Inserm/Sorbonne Université) a développé un ensemble d’outils logiciels permettant une reproductibilité dans les études d’évaluation de système d’aide à la prise de décision médicale. Les résultats sont publiés dans la revue Neuroimage.

La reproductibilité des résultats est un enjeu important pour la fiabilité de la recherche biomédicale. Il y a à l’heure actuelle une réelle difficulté à reproduire les résultats des études, liée notamment aux méthodes de gestion et de traitements des données qui ne sont pas toujours suffisamment accessibles ou standardisées. Cet enjeu est présent dans de nombreux domaines, notamment le développement d’outils d’intelligence artificielle pour la médecine.
L’équipe ARAMIS de l’ICM s’est penchée sur cette problématique dans le cadre plus spécifique des systèmes d’aide à la décision médicale et notamment l’aide au diagnostic de la maladie d’Alzheimer.

C’est un domaine dans lequel il y a eu énormément de travaux depuis une dizaine d’années, avec de nombreuses d’approches dans les systèmes d’aide à la décision. La plupart de ces études utilisent une même base de données publique de patients, ADNI (Alzheimer’s Disease Neuroimaging Initiative) et pourtant, impossible de les comparer entre elles.

souligne Olivier Colliot.
Chaque étude dans ce domaine va en effet utiliser un sous-échantillon de patients différent issu de cette base, sur des critères qui ne sont pas toujours précisément définis. Ces données subissent ensuite des traitements variables d’une étude à l’autre. Résultat : il est souvent difficile de tirer des conclusions de ces études et le transfert vers la clinique reste faible.
Pour tenter de répondre à cette difficulté, les chercheurs de l’ICM ont développé un ensemble d’outils logiciels open source pour standardiser et reproduire très facilement les résultats d’évaluation de ces systèmes d’aide au diagnostic. Il s’agit d’un workflow totalement automatisé, partant de la base de données et auquel il suffit d’ajouter l’algorithme d’intelligence artificielle développé, par exemple pour distinguer un patient atteint de la maladie d’Alzheimer d’autres pathologies, et qui va conduire à une décision.
A l’heure actuelle, ce logiciel est prévu pour l’analyse de données d’IRM anatomique et de TEP (tomographie par émission de positons), des outils importants dans le diagnostic de la maladie d’Alzheimer. Les chercheurs souhaitent poursuivre le développement de la plateforme logicielle afin de l’étendre à d’autres types de données mais également à d’autres pathologies comme la maladie de Parkinson.

Nous souhaitons aller vers une meilleure standardisation des études de validation des systèmes d’aide à la décision médicale et une plus grande reproductibilité, donc des résultats plus fiables et transférables de manière plus efficace vers la clinique.

conclut Olivier Colliot.

Logiciels Open source et mis à disposition par l’ICM
L’équipe ARAMIS de l’ICM est une équipe commune Inria/CNRS/Inserm/Sorbonne Université.