MEDECINE ET ROBOTIQUE

MEDECINE ET ROBOTIQUE

L'INDISPENSABLE NECESSITE DE TESTER L'INNOVATION TECHNOLOGIQUE

La révolution industrielle occasionnée par l'intelligence artificielle et la robotique soulève les plus grandes interrogations. Certains commentateurs sont très alarmistes, mettant l'accent sur les risques de chômage technologique par remplacement massif des professionnels de santé. Un sujet pourtant essentiel est bien peu débattu, celui de l'évaluation de l'innovation. La validation scientifique de sa capacité à apporter une réelle valeur ajoutée sur le terrain reste essentielle. Elisabeth Mc Glynn et Mark Clellan, 2 spécialistes de l'évaluation des politiques de santé nous livrent leur analyse et leurs propositions dans un article paru en mars 2017 dans la revue américaine Health Affairs. 

Pour les 2 auteurs, la politique d'innovation des structures de santé se heurte à plusieurs difficultés majeures. En effet, certaines nouveautés n'ont pas répondu aux attentes initiales. Il existe par ailleurs une pression à adopter l'innovation qui incite les dirigeants à prendre des décisions sans disposer de preuve réelle de bénéfice.

 

Pour répondre à ces problématiques, les auteurs défendent l'idée d'une évaluation de l'innovation. S'inspirant des essais cliniques, E. Mc Glynn et M. Clellan proposent plusieurs règles épistémologiques. Avant implantation, il s'agit de recueillir les meilleures preuves pour prendre la bonne décision.  Après acquisition, il s'agit de savoir si l'innovation fonctionne où si elle doit être modifiée. 

Ils ont identifié plusieurs questions clefs qui doivent servir d'armature à l'évaluation : identifier et décrire la population cible, décrire le statut de cette population cible afin de pouvoir retracer ultérieurement les changements apportés, enfin, documenter les composants techniques de l'innovation. En effet, une solution technique n'est pas obligatoirement adaptée à tout type de patients et de situations cliniques. A l'instar de la recherche médicamenteuse, il est important, si l'on veut obtenir des résultats fiables et interprétables, de bien définir à l'avance la catégorie de patients qui peut bénéficier de la nouveauté et d'étudier spécifiquement les effets de l'innovation sur sa qualité des soins. Résumant les point de vue des auteurs, une éditorialiste du BLOG de la revue Health Affair écrivait que les questions à poser étaient les suivantes. Est-ce que l'innovation est adaptable à ma structure? Doit-on faire ça ici? Peut-on faire ça ici? Comment faire ça ici? 

Il s'agira ensuite de soumettre les résultats à une analyse critique en s'interrogeant de la façon suivante. Les changements seraient-ils arrivés de toute façon, même en l'absence de l'innovation testée? Existe-t-il un paramètre non mesuré ayant pu affecter le résultat des tests? 

 

Au delà des aspects techniques dont débattront les spécialistes de la méthodologie, l'article de E. Mc Glynn et de M.Clellan a, de notre point de vue, le mérite de poser les vraies questions. Le débat public est en effet dominé par les effets d'annonce qui accompagnent la présentation de chaque prototype, laissant accroire un développement irrésistible des nouvelles technologies. L'histoire récente est pourtant jalonnée d'échecs techniques et commerciaux qui dévoilent une réalité plus nuancée. Un observateur attentif constatera aisément que la plupart des communications technologiques ne concernent pas des objets éprouvés mais bien des prototypes aux effets supposés. Par ailleurs l'acceptation et la résistance à la technologie sont des aspects régulièrement occultés. Il est admis d'évidence qu'un objet technologique s'imposera dans un milieu professionnel pour bouleverser ses organisations de travail et ouvrir une nouvelle page d'histoire. Rien n'est moins sûr. La société n'est pas un corps inerte. Elle réagit toujours. Si la contradiction est trop forte entre le bénéfice apporté et l'intérêt des professionnels, l'innovation sera purement et simplement rejetée. A oublier qu'innover est aussi et surtout une question de société, on prépare l'échec de la révolution technologique, plus que son déploiement.

L'évaluation est une réponse. Un prototype doit être testé en conditions réelles avant mise sur le marché. Mais les tests ne doivent pas être uniquement technologiques. Ils doivent aussi étudier les effets de l'innovation sur la qualité des soins et les organisations de travail. Ainsi peut-on espérer obtenir une insertion harmonieuse des nouvelles technologies dans le monde de la santé, au bénéfice de tous, patients et professionnels. 

 

SOURCES:

E. Mac Glynn, M. McClellan. Strategies for assessing delivery system innovation. Health Affairs 2017; 36: 408-416

 

Cyndy Brach. "Will it work here" ? Health systems need contextual evidence before adopting innovation. 

http://healthaffairs.org/blog/2017/06/16/will-it-work-here-health-systems-need-contextual-evidence-before-adopting-innovations/

 

 

 


04/09/2017
0 Poster un commentaire

Intelligence Artificielle en médecine: existe-t-il une "exception digitale" qui fausse les résultats ?

En 2016, Geoffrey Hinton, l’un des inventeurs des réseaux de neurones artificiels, affirmait qu’il ne faudrait que 5 ans à 10 ans à l’intelligence artificielle pour supplanter les radiologues. La déclaration a fait date et a influencé le débat public. A tel point, que certains se sont aventurés à demander la fin de la formation de médecins radiologues. 

Il est un fait que l’imagerie est le champ d’activité médicale le plus propice au développement d’algorithmes issus de l’apprentissage profond. Cette méthode d’apprentissage machine est à l’origine des succès spectaculaires obtenus par plusieurs équipes de chercheurs à travers le monde. Depuis environ 3 ans, les annonces  de systèmes autonomes capables d’interpréter des images médicales avec « plus d’efficacité que des médecins expérimentés » se multiplient. 

 

Qu'en est-il réellement? C'est la question que s'est posée un groupe de radiologues de l'université de Séoul en Corée du Sud. Bien moins médiatisés que Geoffrey Hinton ou que les chercheurs de GOOGLE, ils se sont penchés sur la qualité scientifique des études impliquant l’IA en imagerie médicale. Ils ont examiné 516 articles publiés dans des revues scientifiques en 2018 et livrent leurs conclusions dans le numéro de mars 2019 du Journal Coréen de Radiologie. 

 

 

Quelles informations étaient recherchées à l'intérieur des 516 articles?

Les auteurs ont cherché à savoir si la méthodologie des études publiées en intelligence artificielle était en adéquation avec les principes scientifiques de la recherche clinique. 

Ils rappellent, dans leur introduction, que la validation d’une innovation peut se faire pour évaluer 3 effets potentiels: la performance diagnostique, l’effet sur le pronostic médical et l’efficacité sociale, c’est-à-dire le rapport entre les coûts et les bénéfices escomptés. 

En se référant aux règles habituelles de la recherche clinique, ils définissent les conditions que devraient respecter les chercheurs en intelligence artificielle médicale. Tout d'abord, il faudrait disposer, pour effectuer des tests de terrain, de données différentes de celles ayant servi à entraîner les machines. Ces données doivent être en nombre suffisant et devraient provenir de patients nouveaux, recrutés de façon prospective, dans des centres différents de celui qui a conçu le système d'IA. Enfin, elles doivent être représentatives des variations démographiques des malades et de la variabilité de leurs situations cliniques. 

_____________________________________________________________________________________________________________________________________

Les radiologues de Seoul se réfèrent à quelques règles fondamentales de la recherche clinique. Quelles sont-elles? 

 

Des groupes homogènes de malades

En recherche clinique, les patients sont sélectionnés pour participer. En effet, pour obtenir un résultat interprétable, il faut comparer entre elles des personnes comparables. Par exemple, si on veut tester un nouveau traitement anti-hypertenseur, il faut organiser une comparaison avec un ancien médicament entre  des groupes de malades qui se ressemblent. Toutes les personnes doivent bien entendu être atteinte d'hypertension artérielle. Mais certains éléments pourraient fausser les résultats: l'âge, le sexe, d'autres maladies comme le diabète par exemple. Pour que la comparaison soit fiable, les 2 groupes doivent comprendre la même proportion d'hommes et de femmes, de diabétiques etc. Ainsi, la recherche peut se faire dans des conditions proches de la réalité et donner des résultats fiables qui seront ensuite applicables dans "la vraie vie".

 

Etude prospective

Une étude prospective est une étude qui inclue des personnes sélectionnées. Elle s'oppose à l'étude rétrospective qui analyse les dossiers clos de malades déjà soignés. Pour étudier l'effet d'une technique médicale innovante ou d'un nouveau médicament, il faut organiser une étude prospective. Ainsi, il est possible de recruter les groupes homogènes dont nous avons parlé plus haut et d'organiser un suivi très précis des malades inclus. L'étude prospective est un élément essentiel de la fiabilité de l'évaluation de l'innovation en médecine. 

 

Etude multi-centrique

Une étude ayant lieu dans plusieurs centres. Une étude qui n'a qu'un seul centre comprend toujours un biais de recrutement, le premier d'entre eux est géographique. D'une ville à l'autre, vivent des personnes différentes. Le fait d'impliquer plusieurs centres permet de limiter ces biais de recrutement et d'augmenter les chances d'obtenir un groupe de personnes participantes représentatif de la population générale. 

 

_____________________________________________________________________________________________________________________________________

 

Les auteurs constatent que les chercheurs en intelligence artificielle s’affranchissent des règles de la recherche clinique et créent une véritable «exception digitale». En effet, les informaticiens évaluent la performance de leurs algorithmes à partir de données tests. Mais celles-ci sont extraites par sélection aléatoire à l’intérieur de la base de données qui a servi à entraîner la machine (Sur ce point, voir nos articles de la série "COMPRENDRE L'IA EN MEDECINE"). Il n’existe donc pas de validation extérieure, « dans la vraie vie », contrairement aux pratiques habituelles de la recherche médicale. 

 

Pour comprendre l'ampleur de ce phénomène, les radiologues de Séoul ont donc analysé 516 études publiées en 2018. Seulement 31, soit 6% avaient fait l’objet d’une validation extérieure. Mais aucune de ces 31 ne remplissait les conditions méthodologiques habituelles de la recherche clinique à savoir l’organisation d’une cohorte de suivi, le caractère prospectif et l’aspect multi-centrique. 

 

DISCUSSION DES AUTEURS

Leur analyse des 516 articles confirme ce que d’autres avant eux avaient détecté: la plupart des travaux publiés en IA pour imagerie médicale ont un faible niveau de preuves. Elles correspondent à des études de faisabilité technique et n’ont pas la méthodologie requise pour démontrer une efficacité dans le monde réel.

 



 

COMMENTAIRE  DE MEDECINE ET ROBOTIQUE

L'article des radiologues coréens est bienvenu. Ils montrent que le mouvement de l’intelligence artificielle médicale se fait à contre-courant des principes de la recherche médicale. Une "exception digitale" s'est constituée. Mais elle n'a aucune justification scientifique. 

La médecine est en effet une science biologique et sociale. Biologique, car le corps humain est un assemblage de cellules. Leur dysfonctionnement est à l'origine des maladies. Sociale, car la recherche médicale doit prendre en compte la diversité humaine. Pour cela, elle doit sélectionner des groupes représentatifs de la population générale. Tout phénomène observé chez un individu (par exemple l’effet d’un médicament ) est l’aboutissement de processus complexes au cours desquels cellules et organes interagissent avec leur environnement. Il en résulte qu'en médecine, il est presque impossible d’obtenir un résultat d’expérience fiable si les tests ne sont pas effectués au plus près des conditions réelles. C'est la raison pour laquelle la recherche clinique est organisée autour d'une méthodologie stricte et contraignante. Le vivant a donc ceci de particulier, qu’une technologie ne peut y être introduite ex cathedra. On "n’implémente" pas  une technologie dans l’organisme comme on charge un logiciel. 

Ainsi, la répercussion médiatique des résultats des expérimentations d’intelligence artificielle médicale est totalement contre-intuitive. C'est ce qui a conduit les radiologues de Séoul à mener leur analyse. Comme ils le montrent, l’intelligence artificielle médicale en est encore au stade de l’étude préliminaire.

Il ne s’agit certainement pas de minimiser l'impact de la technologie sur la médecine. Mais, sous peine de subir les plus grands échecs, l’IA doit s'intégrer dans une démarche scientifique d’évaluation de terrain. Les compétitions spectacles, telle celle organisée en Chine l'an passé entre un groupe de radiologues et une IA qui s'affrontaient pour interpréter des scanners cérébraux ne peuvent en tenir lieu. 

Les échecs existent déjà. Le système d'intelligence artificielle WATSON d’IBM, qui a été annoncé en 2013 comme une révolution du diagnostic médical, ne s'est toujours pas implanté et est en grande difficulté commerciale. Cet exemple devrait encourager à davantage de mesure et, surtout, de réalisme, toutes celles et tous ceux qui prophétisent le remplacement rapide des médecins par des systèmes automatisés. Il est parfaitement irresponsable, comme cela a été fait récemment,  de réclamer la diminution du nombre de médecins en formation ou la suppression pure et simple de telle ou telle spécialité en se basant sur un niveau de preuves aussi bas. Prétendre que les médecins vont disparaitre prochainement pour être remplacés par une IA et que les malades seront soignés par des robots intelligents et autonomes est une absurdité. 

Avant de vouloir se projeter sur les effectifs et de produire des prédictions chiffrées toutes plus fausses les unes que les autres, il conviendrait de définir le portrait robot de la médecine du XXIe siècle. Comment sera-t-elle exercée? Quelles maladies rencontrera-t-elle? Concernant le futur de la profession médicale, tout au plus peut-on écrire que certaines tâches seront automatisées et que les médecins devront, à l’avenir, être plus polyvalents pour s’adapter. A ce jour, très franchement, il est difficile d’aller plus loin dans la prospective. 

 

REFERENCES

Article des radiologues de Seoul 

Design Characteristics of Studies Reporting the Performance of Artificial Intelligence Algorithms for Diagnostic Analysis of Medical Images: Results from Recently Published Papers par Dong Work Kim et Coll.

Design Characteristics of Studies Reporting the Performance of Artificial Intelligence Algorithms for Diagnostic Analysis of Medical Images: Results from Recently Published Papers

 

Sur la recherche clinique

L'article de WIKIPEDIA est très clair et bien renseigné

https://fr.wikipedia.org/wiki/Essai_clinique

 

Les rubriques du BLOG consacrés à l'IA médicale

COMPRENDRE L'INTELLIGENCE ARTIFICIELLE EN MEDECINE

 

LEXIQUE DE L'IA EN SANTE

 

 

 

 

 

 

 

 

 

 

 

 


05/06/2019
0 Poster un commentaire

CONSCIENCE DES MACHINES OU ANTHROPOMORPHISME?

Les machines, peuvent-elles, un jour, prendre conscience? Le débat a été relancé par des chercheurs de l'université Columbia à New-York qui publient, dans le numéro de janvier 2019 de la revue Science Robotics, le compte-rendu d'une expérience spectaculaire. Ils ont fabriqué un bras robotisé qui s’est auto-programmé. Sans aucune notion préalable de géométrie ou de physique, le robot a appris seul à quoi il pouvait servir et a réussi à accomplir 2 tâches de préhension. Les auteurs pensent avoir acquis le premier pas vers la conscience des machines. Sans surprise, ils ont été intensément relayé sur les réseaux sociaux. Certains commentateurs ont manifesté leur inquiétude. Notre futur est-il menacé par une technologie émancipée qui absorberait progressivement la civilisation humaine jusqu'à l'asservir complètement?

Les chercheurs ont-ils vraiment ouvert le chemin vers des robots conscients?

Nous décrivons leur travail ci-dessous. Comme il est d'usage dans ce blog, la première partie de notre article est une description factuelle de la publication scientifique, simple résumé explicatif. La seconde partie est l'analyse de la rédaction de médecine-et-robotique.

Nous espérons que chacune et chacun d'entre vous trouvera matière à forger sa propre opinion sur ce sujet passionnant. 

 

illustration_02.jpg

 La consultation médicale robotisée. Illustration par Vanessa Guedj  http://vanessaguedj.com

 

POURQUOI CETTE ETUDE? QUELLES ETAIENT LES MOTIVATIONS DES CHERCHEURS?

Les chercheurs exposent le raisonnement sous-jacent à la conception de leur expérience. Leur objectif est de fabriquer un robot capable d’apprendre par lui-même, sans programmation explicite préalable. Ils partent de l’hypothèse que la première étape dans cette voie est d’obtenir un système capable de créer une image de lui-même, ce que l’on appelle une auto-modélisation (« self-modeling » en anglais). A partir de là, le robot pourrait apprendre en planifiant ses actions intérieurement. Ceci pourrait alors avantageusement remplacer les méthodes actuelles d’apprentissage robotique où chaque tâche fait l’objet d’un entraînement physique coûteux. 

 

Pour atteindre leur but, les chercheurs ont utilisé l’apprentissage machine (« machine learning » en anglais). L’apprentissage machine est utilisé en intelligence artificielle pour faire apprendre une tâche déterminée aux systèmes. Ceci correspond à ce qu’on nomme l’intelligence artificielle (IA) « étroite » (« narrow artificial intelligence en anglais). Mais l'IA étroite ne peut pas généraliser, et donc, ne peut pas apprendre des tâches nouvelles toute la vie.

Ce cadre général étant posé, les chercheurs définissent un concept qui va guider leur travail: créer un « moi » du robot et le séparer de la tâche proprement dite. Ainsi, chaque nouvelle expérience permettrait à la machine de redéfinir elle-même son modèle et d’apprendre en permanence. 

Ces concepts sont probablement abstraits pour nombre de lectrices et de lecteurs. Nous allons maintenant décrire l’expérience, ce qui devrait aider  à les comprendre. 

 

QUELLE A ETE L'EXPERIENCE REALISEE PAR LES CHERCHEURS?

Description du robot

Le robot étudié est très éloigné de l'humanoïde de l'illustration ci-dessus. L'humanoïde est probablement l'image qui nous arrive lorsque l'on évoque un robot conscient capable d'apprendre. En réalité, la recherche n'en est pas encore à ce stade. Le robot étudié par les chercheurs de Columbia est un bras robotisé avec 4 degrés de liberté, avec une pince à l'extrémité. Il peut réaliser un plan horizontal de 37 cm de diamètre et de 51 cm dans le plan vertical. La distance maximale entre 2 points atteignable est de 74 cm.  

 

 Principe de l’apprentissage et de la création du modèle de soi-même (self-modeling)

La première étape a consisté à faire réaliser au bras robotisé 1000 trajectoires aléatoires au cours de laquelle il a découvert par lui-même ce qu’il était capable de faire. Pour chaque trajectoire, le système informatique a enregistré 1000 couples de données que les chercheurs ont nommé paires d'action-sensation. L'action correspond à la commande motrice ( la commande qui déplace la position du bras robotisé). La sensation correspond aux coordonnées dans l'espace (la position du robot après l'action de la commande motrice). Ceci donne un schéma en 3 dimensions en forme de cloche. Le "modèle de soi-même" n'est donc pas une représentation physique réelle du bras robotisé mais un graphique qui représente toutes les positions possibles du bras robotisé dans l'espace. 

Vous pouvez visualiser à la fois le robot de l'expérience et le graphique du modèle dans les 40 premières secondes de la video ci-dessous. (Video en anglais mais le plus important est de voir les images)

 

Les tâches apprises par le robot

Pour pouvoir apprendre, le robot doit capter les relations entre les positions dans l'espace et les commandes motrices. Les méthodes actuelles d’apprentissage profond, une forme particulière d’apprentissage machine, permettent de réaliser le traitement informatique des données nécessaire à cet objectif.

Les chercheurs ont donc implémenté un algorithme de deep-learning pour entraîner l'auto-modèle à réaliser 2 tâches, l'une de ramassage/placement, la seconde d'écriture à la main. Les 2 tâches peuvent être visionnée sur la video. 

Dans le premier exercice, il fallait saisir des billes de 20 mm de diamètre, 9 au total et les placer dans un verre. Le taux de réussite du ramassage a été de 44%, celui du dépôt dans le verre de 100%. Le deuxième exercice était une tâche d’écriture à la main. 

Enfin, les chercheurs ont réalisé une troisième expérience pour laquelle un élément du robot a été remplacée par un morceau plus long et déformé, l'idée étant de simuler une partie accidentée. Le robot a réussi à détecter la partie modifiée et s’est reprogrammé tout seul. La reprogrammation a demandé seulement 10% de données en plus. Le bras « accidenté » a ensuite été capable de réaliser la tâche de ramassage/placement avec seulement une petite perte de performance.

 

La conclusion des chercheurs

Pour les chercheurs, la réalisation de représentations de soi-même sera essentielle pour que les robots franchissent les limites de l’IA restreinte ( effectuer un petit nombre de tâches précises) et parviennent à l’IA générale (posséder des capacités cognitives comparables à celles du cerveau humain). Selon leur opinion, la séparation du « soi » et de la tâche, qu’ils ont essayé de reproduire dans leur expérience est, dans l’évolution de l’espèce humaine,  à l’origine de la conscience.

 

COMMENTAIRE DE LA REDACTION DE MEDECINE ET ROBOTIQUE

Les chercheurs new-yorkais ont présenté leur travail comme la réussite d’un robot qui a appris seul, parti de zéro, sans aucune notion de physique ou de géométrie. La nouvelle a été largement diffusée et commentée sur les réseaux sociaux. A leur suite, de nombreux commentateurs y ont vu l’apparition de la conscience des machines. 

Qu'en est-il réellement? 

Notre première interrogation porte sur le point de départ de l'apprentissage. Peut-on affirmer, comme le font les chercheurs, que le robot apprend à partir de zéro? Certes, aucun logiciel de physique ni de géométrie n’a été implémenté mais le bras robotisé n’est pas un objet inerte. L'apprentissage s'est fait par, et au moyen d'un système informatique auquel on a ajouté des algorithmes de deep learning.  L’informatique a été un élément essentiel de cette expérience et en a été le point de départ.

Ecrire que le robot a appris de zéro, c'est oublier un peu vite l’informatique. Les algorithmes d'apprentissage profond sont en effet des outils élaborés. En amont de leur expérience, les chercheurs ont réalisé une programmation informatique complexe pour orienter les algorithmes vers les tâches à accomplir. Elle ne représente certainement pas zéro et il est tout à fait regrettable qu'elle soit ainsi occultée dans la discussion des auteurs.

Cette expérience constitue une indéniable avancée technique mais il nous semble que le seul résultat scientifique qui puisse être retenu est le rôle efficace que peut jouer l'intelligence artificielle, l'apprentissage profond en particulier, dans l'élaboration de nouveaux robots.

Si la prouesse technique est indéniable, il ne faut pas extrapoler. Les chercheurs s'aventurent dans le champs des neurosciences et font de surprenantes comparaisons avec la biologie du cerveau. Ils sous-entendent que leurs algorithmes d'apprentissage ont donné au robot un « soi », détaché de l’action. Ils reprennent l'une des hypothèses en cours en sciences psychologiques pour affirmer que cette dissociation entre le "soi", capable de former une image de soi-même, et l'action est à l'origine de l'apparition de la conscience chez les humains. En réalité, nous ignorons totalement comment la conscience est arrivée aux   êtres vivants. Neuroscientifiques et anthropologues ont formulé de nombreuses hypothèses, toutes dignes d’intérêt, mais, à ce stade de nos connaissance scientifiques, aucune conclusion ne peut être avancée. Dès lors, comment affirmer avoir reproduit une entité dont on ignore presque tout?

Chacun appréciera la conclusion des chercheurs selon ses opinions et sa sensibilité personnelles. Pour notre part, nous estimons que les algorithmes d'apprentissage profond introduits dans ce bras robotisé ne forment pas un esprit conscient. Il ne sont rien d'autre que des composants techniques, tout à fait humains, issus des sciences et des techniques du XXIe siècle. Le robot des chercheurs de Columbia n’a rien imaginé et n’a pas pris conscience de lui-même. Il n’a pas de « soi », terme que nous continuerons à réserver à la psychologie humaine et animale. Attribuer des capacités cérébrales à ce bras robotisé est un anthropomorphisme.

 

 

 

 

 

 

 

 Lien vers la publication de Science Robotics que nous avons commentée

https://robotics.sciencemag.org/content/4/26/eaau9354/tab-figures-data

 

Video de présentation de la publication de Science Robotics (en anglais)

 

POUR EN SAVOIR PLUS

Sur l'apprentissage machine

LEXIQUE DE L'IA EN SANTE : QU'EST-CE QUE L'APPRENTISSAGE MACHINE?

 

Sur l'apprentissage profond (deep learning)

LEXIQUE DE L'IA EN SANTE: QU'EST-CE QUE LE DEEP LEARNING ?


18/04/2019
0 Poster un commentaire

MICRO-ROBOTS CIRCULANTS: UN TOURNANT POUR LA MEDECINE? PREMIERE PARTIE

Le journal Science Robotics a publié dans son édition du 22 novembre 2017, le résultat d'une série d'expériences menées conjointement par des chercheurs chinois et britanniques des universités de Hong Kong, Manchester et Edimbourg. Ils ont réussi à fabriquer des robots à partir d'une micro-algue qui a été recouverte de nanoparticules magnétiques. Ces Robots Magnétiques Bio-Hybrides, capables de circuler dans les liquides biologiques (sang, urine, liquide gastrique) sont facilement repérables par imagerie médicale, biodégradables et peu toxiques. Ils pourraient être utilisés pour réaliser du traitement ciblé, en particulier dans les cancers. De surcroit facile à fabriquer, ils pourraient être produit à large échelle à moindre coût. 

 

La possibilité de fabriquer des micro-robots médicaux téléguidés capables de circuler  dans le corps humain pour en atteindre les endroits les plus inaccessibles est à l’étude depuis plusieurs années. Mais les chercheurs étaient jusqu'à présent confrontés aux défis majeurs de la biodégradabilité et de la toxicité pour les organismes biologiques. Les auteurs annoncent avoir trouvé des solutions techniques qui pourraient bien s'avérer décisives et ouvrir la voie aux applications cliniques. 

Nous présentons et commentons cette recherche dans un article en deux parties. 

 

PREMIERE PARTIE: LE RESUME DE LA PUBLICATION DES CHERCHEURS.

Comment est fabriqué le robot ? Comment fonctionne -t-il? 

 

LA COMPOSITION DU ROBOT

Pour fabriquer le robot, l’équipe de recherche a transformé une algue, structure biologique, en corps magnétique. L’expression robot bio-hybride a été choisie pour le dénommer car il associe 2 composés, l’un vivant et l’autre minéral.

La première minute de la video ci-dessous nous le montre en mouvement dans de l'eau lors d'une expérience de laboratoire. Comme on peut le voir il a la forme d'un petit vers, d'environ 100μm.

 


 

 

 

LE COMPOSE VIVANT: LA MICRO-ALGUE Spirulina Platensis. 

Les chercheurs en cancérologie connaissent déjà cette micro-algue car elle contient un composé capable de tuer les cellules dans la leucémie, le carcinome à petites cellules ou encore l'adénocarcinome du colon. Cette toxicité de la micro-algue est spécifique, c’est à dire qu’elle agresse les cellules cancéreuses sans endommager les cellules normales.  

L’algue possède 2 autres propriétés intéressantes exploitées par les chercheurs. Elle est naturellement fluorescente, ce qui permet de la repérer facilement par imagerie médicale. La taille de son corps peut être modifiée et ajustée pour répondre au mieux aux impératifs de la fabrication du robot. 

 

LE COMPOSE MINERAL: LA MAGNETITE ( FORMULE: Fe3O4)

Pour fabriquer le robot, les chercheurs ont enduit les algues de nanoparticules de Fe3O4. Elles se lient aux molécules biologiques de surface sans altérer leur structure. La magnétite capte l’énergie magnétique, transformant l’algue en petit robot téléguidé. 

 

Le Fe3O4 est neutre biologiquement, c’est à dire qu’il est peu agressif pour les cellules humaines. Ses propriétés permettraient aussi d’ajouter de petites structures capables de se lier à des molécules pharmacologiques. La fonction du nanorobot pourrait ainsi évoluer vers la thérapeutique ciblée. 

 

 

NANO PARTICULE : particule de diamètre inférieur ou égal ( pas plus grand ) que 10- 9 m = un mètre divisé par 1 milliard 
MAGNETISME. Propriétés physique des aimants. Utilisé en médecine pour faire de l’imagerie par résonance magnétique ( IRM). Elle possède un grand pouvoir de pénétration au sein du corps humain et peut être transmise au robot sans fil, raison pour laquelle elle a eu la préférence des chercheurs parmi les autres choix énergétiques à leur disposition. 

 

QUELS ETAIENT LES PROBLEMES A RESOUDRE POUR LES CHERCHEURS? 

Premièrement, pour naviguer dans les liquides biologiques, il est nécessaire de pouvoir suivre le déplacement du robot en temps réel. Pour cela il faut disposer de procédés d’imagerie médicale non invasive. Les chercheurs ont utilisé l’IRM (Imagerie par Résonance Magnétique) et la fluorescence naturelle de l’algue Spilurina Platensis. 

Deuxièmement, ces robots doivent être biodégradables c’est-à-dire, soit s'auto-détruire, soit être éliminé par l’organisme sans causer d’effets secondaires. 

Troisièmement, l’essaim de micro-robots doit pouvoir circuler dans le corps sans endommager les cellules normales. 

 

COMMENT DEPLACER LE MICRO-ROBOT ? 

Son mouvement est hélicoïdal. Il ne se déplace pas seul mais en grand nombre sous forme d'essaim de près d’un million de robots. 

L’essaim est piloté grâce à un aimant placé à distance du corps de l'animal. Les caractéristiques physiques du champ magnétique envoyé à l'essaim sont déterminées avec précision selon les propriétés magnétiques du robot, sa taille et sa forme. Pour la bonne compréhension des expériences présentées ici, il faut souligner que le champ magnétique qui mobilise le robot n'est pas le même que celui utilisé pour faire l’Imagerie par Résonance Magnétique. 

 

LE DEPLACEMENT AU SEIN DES LIQUIDES BIOLOGIQUES

Les chercheurs ont obtenu des résultats in vitro très satisfaisants dans plusieurs liquides biologiques: eau, sang, liquide gastrique, urine, huile de cacahuète visqueuse. 

Mais seul le liquide gastrique a été testé in vivo chez le rat. Le robot est superparamagnétique, ceci veut dire qu’il cesse d’être magnétique lorsqu’on arrête le champ énergétique. Ainsi, les robots ne peuvent pas se regrouper et former des conglomérats qui viendraient obturer les vaisseaux sanguins et provoquer des accidents médicaux, ce qui est essentiel pour assurer la sécurité de futures applications cliniques.    


 

IN VITRO ET IN VIVO

IN VITRO: expériences réalisée en milieu artificiel, en laboratoire

IN VIVO: expériences réalisées dans l'organisme vivant


 

 

COMMENT ONT ETE CONDUITES LES EXPERIENCES DE DEPLACEMENT ? 

Les expériences de télé-guidage ont été menées dans l'estomac chez le rat, en laboratoire. A ce jour, il n'y a pas eu d'essai chez l'être humain. 

Après l’avoir introduit dans l’estomac du rat, les chercheurs ont repéré l’essaim par IRM. Ils ont choisi de lui faire traverser l’estomac jusqu'à la zone sous-cutanée recouvrant le ventre de l’animal. Pour cela ils ont appliqué un champ magnétique depuis un aimant situé à proximité. 

Deux imageries à 5 min et 12 min ont été réalisées. Elles ont chacune repéré l’essaim à la position voulue. 

Les chercheurs ont cependant tenu à prouver que le déplacement était bien provoqué par le champs magnétique externe. En effet, d’autres causes aurait pu faire bouger le robot, le mouvement naturel du tube digestif - ou péristaltisme- par exemple. 

Pour le vérifier, ils ont introduit un essaim de robots dans un groupe contrôle, sans appliquer de champ magnétique. L’essaim n’a pas bougé leur donnant la preuve recherchée.

Les auteurs ont ainsi pu conclure qu’il était possible de propulser un essaim de robot bio-hybride au travers d’un estomac de rat et de suivre son déplacement par imagerie par résonance magnétique. 

 

LA BIO-DEGRADATION. 

Elle est dépendante des propriétés de Fe3O4 et du temps mis à enduire l’algue. Les temps sont choisis en fonction de l’application voulue: imagerie, thérapeutique..

Les temps de dégradation décrit dans les expériences vont de 24 à 72 h mais certains micro-robots persistent jusqu’à 168h si l’enduit est trop épais. 

 

LA TOXICITE DU ROBOT-BIOHYBRIDE ENVERS LES CELLULES CANCEREUSES

Dans les expériences menées par les chercheurs, le robot a été mis en contact avec des cellules humaines normales ( fibroblastes) puis avec des cellules de cancer du foie et de l’utérus. La cytotoxicité s’est avérée faible pour les cellules normales avec 80 % des cellules viables à 48h et élevée pour les cellules cancéreuses avec, à 48h d’exposition,  10% de survivantes dans le cancer du col de l’utérus et 50% dans le cancer du foie. 

Le robot étant composé de l’algue et de magnétite (Fe3O4), il était important de vérifier la provenance de la toxicité. Les chercheurs ont donc mené des expériences avec Fe3O4 seul. La toxicité de celui-ci est apparue marginale. C’est donc bien l’algue qui est toxique pour le cancer. Mais ces effets cytotoxiques apparaissent moins importants si la couche de Fe3O4 est plus épaisse. 

La toxicité de l’algue Spirulina Platensis envers les cellules cancéreuses est en fait déjà connue des scientifiques. Elle est provoquée par l’un des composants de sa membrane corporelle dénommé C-phyocyanine. Il interfère avec des mécanismes biologiques qui n’existent pas dans la cellule normale, entraînant  la mort des cellules cancéreuses tout en préservant les cellules normales.  

 

SUITE DE CET ARTICLE: LE COMMENTAIRE DE LA REDACTION DE MEDECINE ET ROBOTIQUE

LES MICRO-ROBOTS CIRCULANTS VONT-ILS OUVRIR UNE NOUVELLE PAGE DE L'HISTOIRE DE LA MEDECINE?

 

 

 

Référence:

Multifunctional biohybrid magnetite microrobots for imaging guided therapy

 

 

 

VIdeo de présentation de l'étude (en anglais) sur le site de Science Robotics 

http://www.sciencemag.org/news/2017/11/robot-made-algae-can-swim-through-your-body-thanks-magnets


23/12/2017
1 Poster un commentaire

UNE INTELLIGENCE ARTIFICIELLE AUTORISEE A ETABLIR DES DIAGNOSTICS MEDICAUX SANS INTERVENTION HUMAINE

Le dépistage médical semble entrer dans une nouvelle ère avec l'autorisation délivrée par la FDA -instance américaine équivalente de notre Agence Nationale de Sécurité du Médicament et des Produits de Santé ( ANSM)- à un appareil dénommé IDx-DR.

 

Il s'agit d'un logiciel qui utilise un algorithme d’intelligence artificielle capable d'analyser une photographie de rétine. La photographie est prise par un médecin de premiers soins puis envoyée à un serveur situé dans le cloud internet. Si l’image est d’une qualité suffisante, le logiciel renvoie l’un des 2 résultats suivants:

  1. Rétinotaphie diabétique modérée ou plus : adresser le patient à un spécialiste
  2. Pas de rétinopathie détectée ou rétinopathie modérée: refaire un dépistage dans 12 mois

Le diagnostic est entièrement automatisé. Il n’est pas nécessaire de faire intervenir un professionnel pour interpréter les images. 

 

La video ci-dessous nous en montre le fonctionnement:


 

LE DEPISTAGE MEDICAL: PREMIERE UTILISATION DE L’INTELLIGENCE ARTIFICIELLE EN SANTE

Jusqu'à présent, aucun dispositif intégrant l'intelligence artificielle n'était réellement exploitable en médecine du quotidien. Notre perception de l'avenir de l'IA médicale était confuse, brouillée par les effets d'annonce médiatiques. L'autorisation de commercialisation d'IDx-DR valide un palier technologique et vient nous éclairer.  

L’exploitation première de l’IA en médecine semble donc être le dépistage. 

Le palier technologique est lié aux progrès du deep-learning qui permet aux machines d’être très performantes dans l’analyse d’images. Plusieurs études concluantes ont été publiées ces derniers mois dans le dépistage du mélanome, de la rétinopathie diabétique et du risque cardio-vasculaire. Nous allons y revenir dès les prochaines semaines sur medecine-et-robotique par une série d'articles consacrée à ce sujet. 


QU'EST CE QUE LE DEEP LEARNING?

Il s'agit d'une méthode de programmation qui permet à un ordinateur d'apprendre par lui-même. Il n'est pas nécessaire d'entrer dans la mémoire une base de données exhaustive, c'est son principal intérêt. Avec le deep-learning la machine modifie elle-même ses paramètres internes pour parvenir aux objectifs qui lui sont fixés. 

Nous aurons l'occasion d'expliquer cette technique plus en détail dans notre série d'articles sur l'IA en médecine ( parution à partir de mai 2018). 

 


 

 

Ajoutons le « psychiatre virtuel » développé par l’équipe de psychiatrie du CHU de Bordeaux qui permet d’utiliser un algorithme de dépistage de la dépression lors d’une consultation virtuelle avec un personnage animé. 

COMMENT FONCTIONNE LE PSYCHIATRE VIRTUEL ?

 

Nous voyons ainsi se créer un panel d’outils à destination des professionnels de premiers soins, infirmières et médecins généralistes.

Il apparaît clairement que la prévention et le dépistage, aidés par l'intelligence artificielle, vont occuper une place croissante dans l’activité des professionnels de santé et dans l'organisation de notre système de soins. 

 

Ref:  https://www.fda.gov/newsevents/newsroom/pressannouncements/ucm604357.htm


20/04/2018
1 Poster un commentaire