L’IA à la place de l’IH ? – Un coup d’œil dans la pratique
L’un des avantages souvent cités de l’utilisation de l’IA en radiologie est le fait que l’IA permet d’améliorer la qualité des résultats, en particulier pour les jeunes radiologues inexpérimenté·e·s. L’IA permet de s’assurer que rien n’échappe aux débutant·e·s, elle leur pointe les anomalies et leur apporte de précieuses connaissances tirées des publications et des données scientifiques.
Positif a priori. Mais que signifie réellement ce confort pour l’intelligence humaine (IH) ? Si l’IA permet d’obtenir des résultats plus fiables que ceux de l’IM, devons-nous encore malmener le cerveau des étudiant·e·s en les obligeant à acquérir de manière stupide certains domaines de connaissances et en les formant à suivre des modèles ? La capacité de réflexion ne devrait-elle pas alors être mieux utilisée pour l’apprentissage d’autres compétences ? Le renforcement des compétences interculturelles et communicatives ou la bonne utilisation des solutions numériques pour améliorer les soins, par exemple. Les besoins à cet effet sont indiscutables.
Mais il convient d’être prudent ! La situation présente en effet un problème : quelle que soit la capacité des solutions d’IA à lire et à analyser les images, la responsabilité de la conclusion reste humaine. En conséquence, l’IM doit continuer à inclure l’ensemble complet des compétences radiologiques. Sans savoir, il est impossible de décider et de prendre des responsabilités. L’humain peut faire des erreurs, il peut manquer d’attention après avoir travaillé 14 heures d’affilée. Il doit par contre être en mesure de reconnaître les erreurs ou les inattentions lorsqu’on les lui signale. Et pour cela, il lui faut des connaissances.
Face à la tentation de ne pas avoir à acquérir les connaissances du fait du recours à l’IA, il semble donc plus important que jamais d’accorder une place importante aux compétences radiologiques de base dans la formation radiologique. Les TI en général et l’IA en particulier joueront un rôle important dans l’acquisition de ces connaissances. Les jeunes radiologues vont (devoir) apprendre à utiliser l’IA pour le bien des patients, savoir la valeur ajoutée de l’IA et en connaître les limites. Ils/elles acquerront de l’expérience dans les interactions entre l’IH et l’IA et pourraient ainsi amener les soins à un nouveau niveau.
Cependant, la mise en œuvre de systèmes d’IA en radiologie devrait être progressive afin de s’assurer que ces systèmes sont acceptés par les radiologues et utilisés de manière optimale. Il est important que les collaborateurs des hôpitaux soient formés sur le fonctionnement des systèmes d’IA afin de réduire les craintes et les doutes. Le développement de systèmes d’IA pour la radiologie devrait se faire en étroite collaboration avec les radiologues afin de s’assurer que ces systèmes répondent aux besoins des utilisateurs.
Qui plus est, il est important que le développement et l’utilisation de l’IA en radiologie se fassent de manière transparente et éthique. L’introduction de l’IA en radiologie devrait être accompagnée d’une évaluation complète afin de saisir son impact sur la qualité des résultats, la sécurité des patients et la satisfaction professionnelle des radiologues.
Conclusion
L’IA peut améliorer la radiologie, mais elle ne remplace pas l’intelligence humaine. Les radiologues doivent donc continuer à disposer d’un niveau élevé de connaissances et de compétences et doivent apprendre à utiliser l’IA à bon escient. À cet effet, il incombe également aux fabricants de favoriser ce processus de façon accessible.
