L’IHE élabore des normes en matière d’intelligence artificielle
Les avantages de modèles d’IA dans le flux de travail radiologique dépendent en grande partie d’interfaces standardisées pour l’échange de données. Un groupe d’intérêts de IEH Europe élabore les conditions nécessaires à cet effet. Dans le cadre d’un plugathon, le groupe a fait de grands progrès dans cette direction.
La vision de la médecine personnalisée est prometteuse : en effet, à partir d’un grand nombre de valeurs de laboratoire, données d’anamnèse, résultats et images d’examen, le médecin établit des plans de traitement sur mesure. Dans la pratique, le plein potentiel du diagnostic intégré est cependant encore trop rarement exploité. Le Dr Marc Kämmerer, médecin spécialisé en radiologie et directeur de la gestion des innovations chez nous, en connaît la raison : « Des systèmes logiciels différents sont réunis sur la base d’interfaces propriétaires et de données insuffisamment structurées. Or, cette voie est une impasse. L’interopérabilité ne peut fonctionner que si tous les participants au processus soutiennent les normes respectives et si les données permettent une interopérabilité sémantique grâce à leur niveau de structuration. »
Le groupe de travail trouve de nouveaux cas d’application
C’est justement de telles normes qu’élabore le groupe de travail AI Interest Group for Imaging (AIGI), créé par Marc Kämmerer qui agit en tant que groupe de travail de IHE Europe . L’objectif de l’IHE est d’améliorer la communication entre les systèmes informatiques et les dispositifs médicaux et de permettre son utilisation dans les processus de travail cliniques. Pour ce faire, l’organisation développe des profils d’intégration à l’aide de normes internationales. L’équipe internationale d’experts de l’AIGI se concentre sur l’intégration de solutions d’IA dans les processus de travail radiologiques.
Dans le cadre d’un plugathon organisé à l’occasion du connectathon de l’IHE à Trieste en juin, le groupe a testé, pour les cas d’application « Examens du thorax et du crâne assistés par IA », l’ensemble de la chaîne de données, jusqu’à l’élaboration d’un rapport d’examen radiologique. Dans ce cadre, des systèmes de neuf fabricants différents ont été reliés entre eux. Ce test réalisé en direct a très vite mis en lumière les lacunes en termes d’intégration évolutive et d’utilisabilité.
La nécessité d’un processus de validation constitue une base pour l’utilisation de l’IA en milieu clinique. D’une part, celui-ci est nécessaire pour garantir le partage efficace des résultats appropriés entre les systèmes. D’autre part, la nouvelle loi de l’UE en matière d’IA exige de surveiller la qualité des résultats des solutions d’IA. Sur la durée, le rapport entre les résultats corrects et les résultats erronés peut p. ex. être un indicateur de cette qualité. Étant donné que la validation n’a pas nécessairement lieu sur le même système que le traitement ultérieur des données (p. ex. pour la rédaction de rapports ou la surveillance), un partage interopérable et intersystémique des résultats du processus de validation est nécessaire.
Face à l’augmentation croissante du nombre de solutions d’IA utilisées, le recours à un Service Discovery prend tout son sens. Il s’agit d'un service qui indique par exemple à un PACS quelles sont les exigences posées par l’IA en matière d'images à évaluer. Selon Marc Kämmerer, d’énormes progrès ont également été faits en ce qui concerne le transfert des résultats d’IA d’une visionneuse à un système de saisie des résultats. Les participants au plugathon ont créé à cet effet la première ébauche d’un jeu de données qui tient déjà compte des exigences très différentes des divers fabricants.
Le statu quo : un bric-à-brac de solutions
Mais le groupe de travail est encore loin d’avoir atteint son but. Cela est notamment dû à la structure sectorielle du monde de l’IA, comme l’explique Marc Kämmerer. « Souvent, les fabricants sont issus de l’univers des start-ups et connaissent peu, voire pas du tout l’IHE. C’est pourquoi, ou en raison de l’absence de normes, ils ont créé leurs propres solutions, par exemple pour la communication des informations sur l’état d’avancement du traitement ou sur la transmission de résultats à d’autres systèmes. » Un « bric-à-brac » d’approches a ainsi vu le jour – le contraire de ce qui est nécessaire pour une utilisation évolutive de l’IA en médecine.
Dans ce contexte, l’IHE a déjà développé deux profils qui tiennent compte des nouveaux processus de travail : le profil AI Results (AIR) détermine la manière dont les résultats d’analyses d’imagerie médicale sont stockés, récupérés et affichés de manière fiable. Le profil AI Workflow for Imaging (AIW-I), quant à lui, s’occupe des cas d’application liés à la demande, à la gestion, à l’exécution et à l’influence de l’IA sur les données d’images numériques. Les deux profils sont actuellement en cours d’évaluation par les fabricants. Grâce à ces cas d’application et à ceux récemment élaborés, nous avons « fait un pas important » dans la voie de l’intégration de solutions d’IA, estime Kämmerer. Parallèlement, le plugathon a permis de montrer qu’« ensemble, on va plus loin ». Les exigences relatives au processus de validation seront décrites dans la nouvelle proposition de profil de l’IHE AI Result Approval for Imaging (AIRAI) à partir de la mi-novembre par le groupe AIGI pour l’IHE. Avec un peu de chance, elles pourront être préalablement testées en 2025 à Vienne, lors d’un autre plugathon dans le cadre du connectathon de l’IHE.

« L’intégration de l’IA dans les postes de travail ne sera pas évolutive sans le recours à des normes. »
Dr. Marc Kämmerer
Directeur de la gestion des innovations chez VISUS