Intelligence artificielle : définition et enjeux en rétinologie

Les promesses de l’intelligence artificielle au service de la communauté ophtalmologique ont mille visages : aide à l’analyse d’image, confirmation des diagnostics simples, accompagnement de la décision thérapeutique et optimisation des protocoles de traitement, recherche de facteurs prédictifs de réponse aux traitements, suivi semi-automatisé de certains patients…
Outil performant, assistant du praticien, compagnon du chercheur, l’intelligence artificielle doit d’abord être vue comme un gain de temps permettant aux médecins de se concentrer là où leur expertise est la plus pertinente.

IA, deep learning, machine learning, quelles différences ? [1]

L’expansion de l’IA peut-elle être freinée par l’effet « boîte noire » ? [2] [3]

Les systèmes d’IA restent encore opaques : c’est l’effet « boîte noire ». Les données qui y entrent sont connues, les données qui en sortent aussi, mais on ne sait pas comment les réseaux neuronaux fonctionnent pour obtenir ces résultats.
Cette méconnaissance sur le fonctionnement de l’IA couplée aux sujets sensibles de la sécurisation des données de santé peut générer une crainte auprès du grand public et des patients, mais également auprès des médecins eux-mêmes.
L’IA au service du médical est considérée par le département d’État américain comme une application “sensible”, au même titre que l’armée, les transports ou la sécurité.
L’un des enjeux majeurs du développement de l’IA en rétinologie passe donc par beaucoup de pédagogie, afin d’éclaircir cet effet « boîte noire ».

Références
[1] Schmidt-Erfurth U, et al. Artificial intelligence in retina. Prog Retin Eye Res. 2018 Nov;67:1-29.
[2] Gualino V, Guigou S. Intelligence artificielle et rétine. Images en Ophtalmologie. 2019:13(6).
[3] Ahuja AS, Halperin LS. Understanding the advent of artificial intelligence in ophthalmology. J Curr Ophthalmol. 2019 May 28;31(2):115-117.

M-FR-00007093-1.0
Établi en décembre 2022