Cette étude, qui a réuni des chercheurs espagnols, français et américain, indique que l’IA se montre 10% plus efficace que les dermatologistes. D.R. C’est la conclusion d’une étude menée par des chercheurs qui ont appris à une machine à distinguer les lésions bénignes et les lésions malignes pouvant mener à un cancer de la peau. Pour arriver à faire apprendre la machine, les chercheurs ont utilisé une banque de données composée de 100.000 images et ont utilisé le procédé du deep learning. Une fois que la machine a accumulé et interprété toutes ces informations, les chercheurs ont soumis la machine au même test que 58 dermatologistes de 17 pays. Après s’être vu présenter des photos de mélanomes (cancer de la peau) et de points de beauté, les candidats et la machine devaient poser un diagnostic. « La plupart des dermatologistes ont été battus par la machine », explique l’équipe de recherche, dans le journal Annals of Oncology. En moyenne, les dermatologistes ont détecté 86.6% des photos présentant un cancer de la peau, comparé aux 95% détecté par le système d’intelligence artificielle. « La machine a laissé passer moins de mélanomes, ce qui signifie qu’elle a une sensibilité plus élevée que les dermatologistes », explique Holger Haenssle, principal auteur de l’étude, avant d’ajouter : « la machine a également diagnostiqué moins de faux positifs, ce qui aurait comme résultat de diminuer les interventions inutiles ». Pour être honnête, l’étude n’a été menée que parmi 58 dermatologistes, dont le niveau d’expérience n’est pas vraiment représentatif. La moitié d’entre eux, considérer par les chercheurs comme des « experts » avaient plus de 5 ans d’expérience, tandis que l’autre moitié était divisée entre ceux qui ont entre 2 et 5 ans d’expérience et ceux de moins de 2 ans d’expérience. Chaque année, le cancer de la peau tue encore plus de 55.000 personnes dans le monde, pour 232.000 nouveaux cas identifiés. On ne verra cependant pas de sitôt une IA remplacer un médecin, mais ces machines pourraient être utilisées pour un complément d’analyse.