De nouveaux algorithmes pourraient réduire les disparités raciales dans les soins de santé

Les chercheurs essayant de améliorer les soins de santé grâce à l’intelligence artificielle soumet généralement leurs algorithmes à une forme d’école de médecine automatique. Le logiciel apprend des médecins en digérant des milliers ou des millions de rayons X ou d’autres données étiquetées par des humains experts jusqu’à ce qu’il puisse détecter avec précision les grains de beauté ou les poumons suspects montrant des signes de Covid-19 par lui-même.

Une étude publiée ce mois-ci a adopté une approche différente: former des algorithmes pour lire les radiographies du genou pour l’arthrite en utilisant les patients comme arbitres de la vérité par l’IA au lieu de médecins. Les résultats ont révélé que les radiologues peuvent avoir des angles morts littéraux lorsqu’il s’agit de lire les radiographies des patients noirs.

Les algorithmes formés sur les rapports des patients ont fait un meilleur travail que les médecins pour tenir compte de la douleur ressentie par les patients noirs, apparemment en découvrant des schémas de maladie dans les images que les humains ignorent généralement.

«Cela envoie un signal aux radiologues et aux autres médecins que nous devrons peut-être réévaluer nos stratégies actuelles», déclare Said Ibrahim, professeur à Weill Cornell Medicine, à New York, qui étudie les inégalités en matière de santé et n’a pas participé à l’étude.

Des algorithmes conçus pour révéler ce que les médecins ne voient pas, au lieu d’imiter leurs connaissances, pourraient rendre les soins de santé plus équitables. Dans un commentaire sur la nouvelle étude, Ibrahim a suggéré que cela pourrait aider à réduire les disparités entre les personnes opérées pour l’arthrite. Les patients afro-américains sont environ 40% moins susceptibles que les autres de recevoir une arthroplastie du genou, dit-il, même s’ils sont au moins aussi susceptibles de souffrir d’arthrose. Les différences de revenu et d’assurance jouent probablement un rôle, tout comme les différences de diagnostic.

Ziad Obermeyer, auteur de l’étude et professeur à la School of Public Health de l’Université de Californie à Berkeley, a été inspiré pour utiliser l’IA pour sonder ce que les radiologues ne voyaient pas par un puzzle médical. Les données d’une étude de longue date des National Institutes of Health sur l’arthrose du genou ont montré que les patients noirs et les personnes à faible revenu rapportaient plus de douleur que les autres patients atteints de radiologues radiologues ayant un score similaire. Les différences peuvent provenir de facteurs physiques inconnus des gardiens de la connaissance du genou, ou de différences psychologiques et sociales – mais comment les différencier?

Obermeyer et des chercheurs de Stanford, Harvard et de l’Université de Chicago ont créé un logiciel de vision par ordinateur en utilisant les données du NIH pour enquêter sur ce que les médecins humains pourraient manquer. Ils ont programmé des algorithmes pour prédire le niveau de douleur d’un patient à partir d’une radiographie. Sur des dizaines de milliers d’images, le logiciel a découvert des motifs de pixels en corrélation avec la douleur.

Lorsqu’il reçoit une radiographie qu’il n’a jamais vue auparavant, le logiciel utilise ces modèles pour prédire la douleur qu’un patient rapporterait ressentir. Ces prédictions étaient plus étroitement liées à la douleur des patients que les scores attribués aux radiologues par les radiologues du genou, en particulier pour les patients noirs. Cela suggère que les algorithmes avaient appris à détecter des signes de maladie que les radiologues n’avaient pas. «L’algorithme voyait des choses au-delà de ce que voyaient les radiologues – des choses qui sont plus souvent des causes de douleur chez les patients noirs», dit Obermeyer.

image de l'article

Le guide WIRED de l’intelligence artificielle

Les algorithmes supersmart ne prendront pas tous les emplois, mais ils apprennent plus vite que jamais, allant des diagnostics médicaux à la diffusion d’annonces.

L’histoire peut expliquer pourquoi les radiologues ne sont pas aussi compétents dans l’évaluation de la douleur au genou chez les patients noirs. Le classement standard utilisé aujourd’hui provient d’une petite étude de 1957 dans une ville de moulin du nord de l’Angleterre avec une population moins diversifiée que les États-Unis modernes. Les médecins ont utilisé ce qu’ils ont vu pour concevoir un moyen d’évaluer la gravité de l’arthrose en fonction d’observations telles que le cartilage rétréci. L’équipement de radiographie, les modes de vie et de nombreux autres facteurs ont beaucoup changé depuis. «Il n’est pas surprenant que cela ne parvienne pas à capturer ce que les médecins voient dans la clinique aujourd’hui», dit Obermeyer.

L’étude est remarquable non seulement pour montrer ce qui se passe lorsque l’IA est entraînée par les commentaires des patients au lieu des opinions d’experts, mais parce que les algorithmes médicaux ont plus souvent été considérés comme une cause de biais, pas comme un remède. En 2019, Obermeyer et ses collaborateurs ont montré qu’un algorithme guidant les soins pour des millions de patients américains donnait aux Blancs la priorité sur les Noirs pour une assistance dans des conditions complexes telles que le diabète.