L’intelligence artificielle se fait une place en imagerie médicale

Les entreprises positionnées sur le secteur de l’imagerie sont nombreuses à adopter l’intelligence artificielle. Agnès Malgouyres, responsable marketing intelligence artificielle chez Siemens Healthineers, précise que dans le groupe allemand l’IA est une technologie utilisée depuis longtemps : “les premiers brevets IA remontent à 1996. Aujourd’hui, l’IA est intégrée dans 40 de nos applications et nous estimons que 240 000 personnes utilisent toutes les heures nos systèmes dans le monde”. 

Vers une démocratisation de l’IA en imagerie

Exploiter l’IA en imagerie peut répondre à différents besoins. Réduire les doses d’irradiation en fait partie. “Nos algorithmes ne sont pas réservés au traitement d’images, continue Agnès Malgouyres. Nous employons aussi l’IA pour bien positionner le patient dans le scanner : une caméra à infrarouge récupère le gabarit du patient et l’IA exploite cette donnée pour nous aider à positionner le patient au centre du tunnel et en hauteur. Cela permet de réduire 20 % e la dose d’irradiation”. Le fabricant chinois Neusoft mise également sur une IA pour réduire les doses de son système qu’il espère installer prochainement en France : “Nous sommes en train de passer par toutes les démarches françaises nécessaires pour pouvoir installer une machine, déclare Xavier Gourgues, directeur marketing recherche et clinique chez Neusoft Medical Europe. Notre IA permet de produire une image à la résolution spatiale augmentée et au bruit très fortement diminué, tout en conservant une imagerie naturelle non festonnée. La finalité de notre IA est de travailler à très basses doses de rayons X et à faibles doses de produit de contraste”. Il revendique déjà 6 000 scanners installés dans le monde (en Chine, Europe de l’Est, Afrique, Amérique du Sud et à moindre mesure aux Etats-Unis). 

L’IA est également présentée pour aider les professionnels de santé. L’oncologie est l’un des domaines les plus ciblés par ces applications. Pour les guider dans leurs interventions comme chez Siemens Healthineers qui a développé une intelligence artificielle qui aide le médecin à emboliser la tumeur : “Le logiciel repère la tumeur ainsi que les vaisseaux sanguins qui la nourrissent, détaille Agnès Malgouyres. Le médecin peut alors guider le cathéter pour délivrer des billes qui vont emboliser l’artère nourricière”. 

Toujours en oncologie, l’aide au diagnostic est même devenue la spécialité de certaines grandes sociétés éditrices de logiciels, comme l’américaine iCad qui a développé des logiciels basés sur le deep learning pour détecter les lésions mammaires afin d’aider au diagnostic du cancer du sein. “Notre budget R&D est consacré à l’IA”, explique Michèle Debain, senior director business development Europe chez iCad. Cette solution d’aide au diagnostic, appelée Profound AI (dispositif médical de classe IIa), est compatible avec GE Healthcare, Siemens et Hologic. Pourquoi le deep learning ? “L’enjeu est d’avoir un algorithme qui peut tout trouver à l’exception des faux positifs. Or cela fait 15 ans qu’iCad produit des logiciels basés sur le machine learning. Et pourtant, le problème des faux positifs persistait. Le deep learning, en exploitant plus de données, a permis de diminuer le temps de traitement, augmenter la sensitivité et diminuer le nombre de faux positifs”.  

La société s’intéresse également à la médecine prédictive : “Nous travaillons sur un projet de prédiction de risque, raconte Michèle Debain. Ce logiciel permettra de prédire le risque de développer un cancer du sein. Nous collaborons sur ce projet avec l’université de Karolinska qui suit 70 000 femmes dont les données de santé servent à entraîner notre IA. Le but est de développer un produit que nous espérons commercialiser l’année prochaine”.

Une seule plateforme pour cibler une multitude d’organes 

Et les applications se sont depuis multipliés dans d’autres domaines de l’imagerie. A été récemment présentée par Siemens Healthineers la plateforme AI Rad Companion Chest CT : “Il s’agit d’une plateforme cloud qui réalise, avec de l’IA, le traitement des images de scanners, quelque soit le fabricant, provenant d’un scanning thoracique multi-organes, détaille Agnès Malgouyres. Cette analyse permet de déduire des résultats pour chaque organe. Sur les poumons, le logiciel permet de rechercher les nodules pulmonaires, mesurer les diamètres des nodules, mesurer la quantité d’emphysèmes sur chaque lobe pulmonaire ; sur les coronaires, il met en exergue leur calcification ; sur l’aorte, il mesure le diamètre à différents endroits pour savoir s’il y a un anévrisme et un risque de rupture ; quant au rachis thoracique, le logiciel repère les différences de densité en chaque vertèbre pour détecter les signes d’ostéoporose ou d’un cancer métastatique. Le logiciel peut également envoyer des commentaires constituant une sorte de feuille de résultats qui ne se substitue pas à l’examen du radiologue. Les informations ont un code couleur qui indique la gravité”. 

Le japonais Fujifilm a mis au point le projet REiLI, qui part lui aussi d’une approche multi-organes. Softway Medical, société française éditrice de logiciels médicaux, est partenaire de distribution du groupe japonais et a repris en 2017 l’activité IT de Fujifilm France. Selon Jean-Baptiste Franceschini, directeur de la division Imaging chez Softway Medical, REiLI est “une market place embarquant des applications d’IA développées par Fujifilm en propre, mais aussi un écosystème d’applications éditées par des entreprises tierces, en fonction des spécialités et des régions anatomiques concernées. Les premiers sites pilotes de REiLI devraient démarrer au premier trimestre 2020, en Europe et en France”.

“De notre côté, poursuit Jean-Baptiste Franceshchini, nous avons mis en place une plateforme qui référence les logiciels d’IA et orchestre leurs différents flux de résultats pour les mettre en commun. Notre valeur ajoutée réside dans le fait que nous facilitons considérablement le quotidien des radiologues, qu’il s’agisse du choix des applications, de la contractualisation avec les opérateurs, mais aussi sur le plan fonctionnel pour envoyer et surtout recevoir les résultats des moteurs d’IA de façons optimisée dans les applications métiers du radiologue, en l’occurrence le PACS. Les logiciels interfacés aujourd’hui sont Keydiag (de l’entreprise Keymaging) et Gleamer. Avec l’acquisition de l’activité IT de Fujifilm, nous bénéficions également de l’offre Synapse de Fujifilm qui comporte notamment un PACS, des modules de post-traitement 3D et une VNA (pour vendor neutral archive, archive neutre qui prend en charge, sans les modifier, les données issues ou non de l’imagerie et provenant de tous les services producteurs, ndlr)”. Le PACS, pour picture archiving and communication system, est le système permettant la gestion, l’archivage, le traitement et la transmission et qui fonctionne intimement avec le système d’information de radiologie (SIR) du médecin (Softway Medical édite le SIR One Manager). REiLI de Fujifilm, une fois commercialisée, sera intégrée dans la plateforme de référencement de Softway Medical. 

Les partenariats de co-développement d’IA

Pour intégrer ces gammes de produits utilisant des technologies d’IA dans leur portefeuilles, certains ont choisi de développer des solutions quand d’autres misent sur la distribution. Pour le développement de produits, des acteurs comme Siemens ont intégré les compétences en interne. D’autres comme Softway passent par des opérations de croissance externe couplées à des partenariats de commercialisation. Enfin, certains misent sur des collaboration de co-développement. À l’exemple du français Guerbet. L’entreprise familiale travaille avec IBM Watson Health sur le co-développement d’une IA d’aide au diagnostic des cancers de la prostate et du foie. François Nicolas, chief digital officer chez Guerbet, précise la stratégie de l’entreprise de s’appuyer sur ce partenariat pour gagner en compétence en interne : “Nous avons également des projets qui sont en train de démarrer, avec des partenariats cliniques en cours de finalisation, et cette fois sans partenaire industriel”.  

Quant à Softway Medical, Jean-Baptiste Franceschini souligne : “En intelligence artificielle, nous développons d’une part notre plateforme propre qui a pour vocation de se connecter avec les différentes solutions que nous sélectionnons et, d’autre part, nous sommes adossés à la force de frappe de Fujifilm qui devrait sortir en 2020 et au niveau mondial son offre REiLI”. 

Intégrer des solutions d’entreprises tierces

Les entreprises contractualisent également pour distribuer des solutions intégrant de l’IA sur le marché français. Chez Agfa Healthcare, l’intégration de solutions tierces a pris le dessus sur le développement : “Nous ne sommes pas fournisseur d’algorithmes mais intégrateur de solutions tierces, explique Aïssa Khélifa, directeur marketing et commercial d’Agfa Healthcare. Nous intégrons ces solutions nativement dans le PACS. La technologie compare une situation clinique à une base de données. Et bien que nous ayons aussi développé de l’IA en interne, depuis quatre ans, sur les cancers du sein et du poumon et sur la tuberculose, nous n’allons pas continuer à en développer”. 

Pour sa part, Guerbet a signé un accord de commercialisation avec la start-up belgo-américaine icometrix. Guerbet alors devient le distributeur exclusif de la solution icobrain, pour le diagnostic cérébral, en France, en Italie et au Brésil. De son côté, Softway Medical intègre la solution de la start-up française, Gleamer qui se spécialise dans l’aide au diagnostic grâce à l’IA, non pas au niveau des organes mais des os, afin d’en détecter les fractures sur les images de radiologie. Fujifilm s’est rapproché de la nantaise Hera-MI qui a conçu un logiciel d’aide au diagnostic précoce du cancer du sein, sur des images de mammographie 2D et 3D. Selon Ludmilla Potiron, sales & marketing manager d’Hera-MI, le logiciel se base sur un procédé de “négativation” : “il détecte les zones ne présentant pas de tumeur, les supprime de l’image et le radiologue peut ainsi se focaliser uniquement sur les régions lésées”. Les deux entreprises sont devenues en 2018 partenaires. Fujifilm distribuera le logiciel à partir de début 2020, intégré à sa solution d’IA globale.

Exploiter un corpus massif de données

Outre les stratégies de développement en interne ou via des partenariats, se pose la question de l’accès aux données pour exercer les algorithmes. D’après Michèle Debain (iCad) : “Notre algorithme cherche dans la base de données pour retrouver le même type de lésion. Notre base de données existe depuis huit ans et a été élaborée avec 12 000 cas de patients. Elle comporte des millions d’images. Ces données proviennent d’une trentaine de centres médicaux dispersés à travers le monde, dont l’institut Gustave Roussy, l’institut de radiologie de Paris, le CSE et le centre d’imagerie Italie. La version de cet algorithme qui se lit sur le workstation, ou dans le PACS, est disponible sur le marché depuis deux ans et a nécessité six ans de R&D. Par ailleurs, notre budget R&D est consacré à l’IA”. Chez Siemens, Agnès Malgouyres souligne que la totalité des solutions disponibles dans AI Rad Companion sont des logiciels de deep learning : “Trois millions d’images ont servi pour construire AI Rad Companion. Ces images proviennent des Etats-Unis. Un essai clinique est en cours en France”. Du côté de Neusoft, Xavier Gourgues note que l’algorithme “a été entraîné avec des données provenant de patients chinois, soit un minimum de 1 000 patients par zone clinique”. Le CDO de Guerbet explique pour sa part : “Nous avons notre propre base de données médicales anonymisées. Il s’agit de données d’images médicales et de données histopathologiques. Elles proviennent de plusieurs pays à travers le monde : États-Unis et France mais aussi en Amérique du Sud et en Asie”. 

Laura Young, cheffe de projet bases de données chez Guerbet, détaille les étapes menant au développement de l’IA, telles qu’elles se présentent aujourd’hui : “La collecte de données se fait au travers de collaborations de recherche et avec des patients ayant signé un consentement. Initialement, nous montrons à l’algorithme une partie de nos données. Ceci permet à l’algorithme d’établir des représentations, de lésions par exemple, qu’il pourra retrouver si nous lui montrons de nouvelles données. Nous déployons alors l’algorithme une première fois. À mesure que des personnes l’utilisent, nous souhaiterions entraîner l’IA avec les données entrées par les utilisateurs. Sauf que cette pratique doit d’abord être discutée d’un point de vue légal. D’autant plus qu’actuellement nous sommes encore dans la phase de développement de l’algorithme et nous nous préparons à débuter la validation clinique. Cette dernière impliquerait idéalement trois centres médicaux aux Etats-Unis. Elle requiert que l’algorithme soit testé avec des patients qui acceptent de prendre part à l’expérimentation. L’objectif est d’observer comment l’algorithme se comporte en comparaison aux résultats des radiologues”. Dans la huitième édition de son baromètre sur les attentes des Français à l’égard de la santé, Deloitte a observé que 47 % des 2 003 personnes interrogées étaient d’accord pour confier à l’IA l’interprétation de leurs images médicales, comme rapporté dans mind Health.  

Ne pas oublier le réglementaire

Les développements passent également par les étapes réglementaires. Pour Aïssa Khélifa (Agfa Healthcare) : “toutes les solutions que nous intégrons doivents être marquées CE, ce qui limite le pool des logiciels”. Le logiciel de Gleamer est en cours d’obtention du marquage CE IIa, nous informe le CTO, Nicolas Cosme. Hera-MI est également en cours d’obtention du marquage. Profound AI de iCad est marqué CE IIa, déclare Michèle Debain, et AI Rad Companion a obtenu ce même marquage en juillet, précise Agnès Malgouyres. Quant à Guerbet, Laura Young indique que le souhait est de soumettre le dossier pour la certification FDA et le marquage CE en même temps. 

Un effort de R&D et encore peu de CA

Pour beaucoup de solutions encore en développement, le choix du modèle économique est encore en réflexion. L’effort se porte principalement sur la R&D. Selon Jean-Baptiste Franceschini, c’est surtout l’équipe d’interopérabilité de Softway Medical qui sera impliquée sur les sujets IA : “20 % de notre chiffre d’affaires, qui est de 48 M€ en 2019, est investi dans le R&D”. Quant à Agfa Healthcare, d’après Aïssa Khélifa : “l’IA représente une faible proportion en termes de chiffre d’affaires mais une forte proportion en termes de R&D. Le chiffre d’affaires généré par le PACS est compris dans celui d’Agfa IT : il représente 400 M€ des 650 M€, le reste étant produit par les ventes de dossier patient informatisé”. 

Quant à Hera-MI : “Nous ne réalisons pas de chiffre d’affaires pour l’instant, constate Ludmilla Potiron, mais collaborons avec des centres d’imagerie du cancer du sein pour collecter des données, entraîner le logiciel et diversifier la population (centres européens et américains). Nous installerons le logiciel dans ces centres, entre janvier et février 2020 : il s’agit en France du centre Simse basé à Strasbourg, l’Institut de cancérologie de l’ouest (qui est aussi actionnaire de l’entreprise) et l’IPADE (la Défense), entre autres”.       

Les logiciels intégrés sont vendus avec l’appareil ou le PACS. “Nous vendons le software en licence, indique Michèle Debain (iCad). Il est vendu pour la durée de vie de la machine, c’est-à-dire sept ans en moyenne”. Pour un logiciel de ce niveau, le prix du marché est de 50 000 €. Agnès Malgouyres (Siemens Healthineers) estime que l’utilisation d’AI Rad Companion se ferait par souscription, puisque la plateforme reste sur le cloud et n’est pas installée chez le client, “mais pour l’instant le modèle n’est pas encore figé”.