Back to all blog posts
L'augmentation des taux de maladies telles que le cancer accroît le nombre d'échantillons, ce qui augmente la charge de travail des pathologistes, un groupe de professionnels de la santé déjà sous-représenté. Ce défi est exacerbé par le fait que les outils et processus cliniques traditionnels à la disposition des pathologistes sont manuels et subjectifs.
La numérisation de la pathologie a contribué à relever certains de ces défis en améliorant les flux de travail des laboratoires cliniques et en permettant une collaboration plus efficace. Toutefois, pour tirer pleinement parti des avantages de la pathologie numérique dans le diagnostic clinique, il faut tenir compte de l'intelligence artificielle (IA). Après tout, un traitement efficace commence par un diagnostic rapide et précis.
L'ajout de l'IA pour l'analyse d'images dans le flux de travail clinique est essentiel pour:
1. Augmenter la productivité
L'IA est nettement plus rapide pour l'analyse des images et permet l'automatisation des tâches manuelles et fastidieuses. L'accélération de l'examen des cas augmente le rendement de vos laboratoires de pathologie, ce qui permet d'accueillir davantage de nouveaux patients. De plus, grâce au temps gagné, les pathologistes peuvent se concentrer plus longtemps sur les cas complexes et rares.
Une étude sur le diagnostic peropératoire des tumeurs cérébrales a révélé que le diagnostic d'un pathologiste expert pendant une opération, qui prend normalement environ 40 minutes, peut prendre moins de 3 minutes avec l'aide d'un modèle d'IA dans la salle d'opération. (1)
Dans une interview, le Dr Kevin Sandeman, pathologiste clinique et chef de service au laboratoire de pathologie de la région de Skåne en Suède, a expliqué: «En termes de gain de temps lié à la priorisation des cas, par exemple avec le diagnostic du cancer de la prostate, lorsque je travaille avec des échantillons de prostate et que je reçois 16 diapositives et que quelque part dans ces diapositives se trouve une tumeur qui peut prendre moins de 2 % de l'espace sur toutes les diapositives combinées. Il faut être très méticuleux pour la trouver. Par conséquent, si le système d'IA peut prendre cette zone de 2 % et me la présenter pour que je l'examine d'abord, le diagnostic est beaucoup plus rapide. Ma productivité en bénéficie.»
2. Augmenter la précision du diagnostic
Les pathologistes sont des professionnels de la santé hautement spécialisés, mais les outils dont ils disposent pour l'examen des cas et les diagnostics cliniques sont faillibles et prennent beaucoup de temps. Les systèmes d'intelligence artificielle améliorent la précision des analyses, réduisent les biais et normalisent l'examen des échantillons, contribuant ainsi à démocratiser les soins dispensés aux patients. Un modèle d'IA, entraîné à trouver des tumeurs d’un cancer du sein metastatiques, a pu détecter 92,4 % des tumeurs, alors que la moyenne des pathologistes humains était de 73,2 % (2).
L'utilisation la plus bénéfique de l'IA est la combinaison des connaissances d'un pathologiste et de la précision et de l'efficacité de l'IA. Dans une étude de validation sur l'assistance de l'IA dans le comptage des mitoses pour l'identification des carcinomes du sein, 87,5 % des pathologistes ont identifié davantage de mitoses avec l'aide d'un modèle d'IA, tandis que 54,2 % ont diminué la quantité de faux positifs (3). L'IA n'est pas destinée à remplacer les pathologistes, mais à les renforcer.
3. Réduire les coûts
L'assistance de l'IA permet d'améliorer la précision du diagnostic en éliminant les préjugés et la subjectivité. Les systèmes d'IA analysent les cas avec une cohérence à 100 %. La réduction des erreurs de diagnostic et de mauvais diagnostics, tout en améliorant la précision du traitement grâce à des résultats plus détaillés, se traduira par des économies directes dues à une plus grande précision.
Non seulement les erreurs de diagnostic coûtent des vies, mais elles représentent une charge financière importante pour les patients et les hôpitaux. Une étude menée au cours des 25 dernières années aux États-Unis sur les erreurs de diagnostic a révélé que le coût moyen par réclamation dans les cas d'erreurs de diagnostic s'élevait à 386 849 $. (4)
Selon un rapport, l'IA pourrait représenter jusqu'à 8 milliards de dollars d'économies annuelles pour l'économie des soins de santé aux États-Unis d'ici 2026 grâce à un diagnostic préliminaire plus précis et à un diagnostic par image automatisée. (5)
4. Améliorer la satisfaction du personnel
La charge de travail peut être mieux répartie, les pathologistes consacrant moins de temps aux tâches manuelles et répétitives et davantage à l'évaluation des cas rares ou complexes qui nécessitent un niveau d'expertise et de compétences plus élevé. Le fardeau général de l'augmentation de la charge de travail est également allégé grâce à des temps d'examen plus rapides, tandis que la plate-forme Aiforia, basée sur un navigateur, permet un travail flexible.
Dans une étude de cinq ans sur l'expérience de la mise en œuvre de la pathologie numérique (PN), 91 % des pathologistes ont estimé que la PN réduisait les délais d'exécution, aidait à décider de la répétition des études auxiliaires et était utile pour l'examen préalable des cas. (6)
5. Améliorer les résultats des patients
L'amélioration de la précision du diagnostic et de la cohérence de l'analyse grâce à l'assistance de l'IA apporte des avantages non seulement à l'hôpital et aux pathologistes, mais également aux patients:
- Accès a des traitements plus efficaces
- Plus de thérapies personnalisées à administrer
- Une réduction du nombre d'interventions ou de chirurgies inutiles
- Une démocratisation des soins dispensés aux patients
- Une amélioration de la qualité du service, les patients recevant un diagnostic plus rapidement.
«Pour le système de santé en général, l'intégration de multiples modalités de données deviendra de plus en plus importante dans les diagnostics et les décisions de traitement, surtout si l'on pense aux soins personnalisés. Dans ce contexte, l'IA pourrait peut-être résoudre des questions et suggérer des décisions que les experts humains pourraient utiliser dans leur prise de décision éclairée», a expliqué le Dr Tuomas Mirtti, pathologiste clinique consultant et médecin en chef du centre de diagnostic de l'hôpital universitaire d'Helsinki en Finlande, dans une interview qu'il nous a accordée.
Références
- Nature Medicine, 2020
- arXiv, 2017
- BMJ Quality Safety, 2013
- Archives of Pathology & Laboratory Medicine, 2017
- Accenture, 2017
- Archives of Pathology & Laboratory Medicine, 2017
