Le dossier “intelligence artificielle (IA) appliquée à l'endocrino-diabétologie” a été façonné dans la perspective d'expliquer et d'illustrer les différentes approches de l'analyse du big data qui peuvent être proposées dans le cadre des maladies endocriniennes, notamment dans les champs diagnostique et pronostique.
Guillaume Assié nous fait pénétrer la complexité de la numérisation massive des données génomiques, qui permet grâce à l'utilisation d'outils bio-informatiques d'analyser un nombre exponentiel de variables issues du génome d'échantillons tissulaires. Il nous explique les méthodes d'analyse et de classement des échantillons tumoraux qui concourent à l'établissement d'un arbre de classification aboutissant à des groupes de tumeurs de caractéristiques moléculaires communes. Dans le domaine des tumeurs malignes de la surrénale – les corticosurrénalomes – le croisement des données moléculaires et cliniques de ces tumeurs a permis d'identifier des caractéristiques communes à des groupes de tumeurs, et d'extraire des éléments pronostiques différentiels entre ces groupes. Ces techniques sont en voie de passer dans la routine de l'investigation oncogénétique, et viennent compléter l'approche traditionnelle fondée sur l'anatomopathologie et l'étude des marqueurs tumoraux. La généralisation de ces techniques puissantes passera par l'établissement de registres multicentriques pour ces tumeurs rares.
Dans un autre domaine, celui de la diabétologie, Pierre-Yves Benhamou nous donne plusieurs illustrations de l'apport de l'IA pour le diagnostic, la prédiction du risque ou l'aide à la décision, avec notamment des modélisations pour le dépistage de la rétinopathie, du diabète gestationnel ou de la stéatohépatite non alcoolique associée au diabète. Les techniques de machine learning ont été appliquées à la prédiction de la rétinopathie, de la néphropathie ou de la réponse thérapeutique au traitement intensifié du diabète. Dans le champ thérapeutique, des modèles mathématiques de prédiction de la variation glycémique ont permis de développer des algorithmes qui sont dorénavant intégrés dans les dispositifs d'infusion d'insuline en “boucle fermée” utilisés en routine clinique. L'exposé très didactique de Pierre-Yves Benhamou met en lumière les fondements de l'IA implicite, qui est une approche déductive à partir de données issues de volumineuses bases qui sont analysées par les outils informatiques.
Dans cette perspective, Caroline Bour et Guy Fagherazzi nous font découvrir l'utilisation possible des plateformes des réseaux sociaux qui s'avèrent des sources d'informations précieuses pour appréhender certaines problématiques liées au diabète, telle la détresse psychologique liée à la maladie chronique. À partir du réseau Twitter, ils montrent comment le recueil de dizaines de millions de tweets et des métadonnées ont permis de mettre à jour les préoccupations liées à la maladie, les chaînes de solidarité entre patients, les comportements vis-à-vis de l'alimentation, l'influence des facteurs socioéconomiques sur les schémas de pensée des utilisateurs, l'accès au traitement dans différentes régions du monde.
Enfin, Grégoire Moutel interroge la dimension éthique qui sous-tend l'utilisation de l'IA dans les pratiques de soins. Il décrit de quelle manière la révolution numérique pourrait permettre au patient de devenir davantage acteur de sa santé, et modifier les modes d'interaction avec les soignants, au-delà de la traditionnelle consultation en face-à-face. Il évoque également les risques liés à l'envahissement de l'espace de soins par les outils numériques, et son corollaire qui est la réduction du temps consacré par le professionnel de santé à la relation singulière avec son patient. Il soulève également les problématiques juridiques de la responsabilité médicale en lien avec l'utilisation d'outils d'IA pour l'aide au diagnostic ou l'accompagnement du patient. Dans ces domaines, un cadre efficient et protecteur reste à définir. Grégoire Moutel s'interroge notamment sur la possibilité d'appliquer aux outils numériques de santé la réglementation sur les dispositifs médicaux en vigueur. Enfin, concernant les big data, il soulève les questions brûlantes de la sécurisation, de la confidentialité et du contrôle du traitement des données personnelles.
Nous espérons que les lecteurs découvriront avec plaisir un champ de notre discipline qui est en plein bouleversement et où la course à l'innovation peut à la fois susciter émerveillement et questionnements.