Comme la blockchain, l'IA a-t-elle fait plus de promesses qu'elle ne pouvait tenir ? Gary Smith et Jeffrey Funk, deux analystes du média économique Quartz, pensent que oui. Dans un rapport publié récemment, les deux analystes ont allégué que l'IA a "surpromis" à travers un battage médiatique sans précédent, notamment les émissions de télévision et les films, et les livres. En traitant le cas des promesses de l'IA dans le domaine de la radiologie, ils affirment que l'IA a encore beaucoup à prouver avant que les médecins décident de lui faire confiance. En gros, ils pensent qu'elle n'est pas du tout prête à diagnostiquer les patients.L'IA peut-elle substituer un humain n'importe où ?
« La révolution inerte de l'IA en radiologie est un autre exemple de la façon dont l'IA a surpromis et sous livré », a déclaré l'équipe d'analystes. Cela signifie que l'IA a promis de nombreuses révolutions dans de nombreux domaines, mais l'équipe a déclaré que ces bouleversements tardent à venir et l'on se demande finalement s'ils arriveront ou si certains d'entre eux ne dépassent pas les possibilités de l'IA. Alors, qu'est-ce qui s'est passé dans le domaine de la radiologie ? En effet, les sociétés développant des systèmes d'IA et des personnalités influentes de l'industrie auraient promis une IA plus performante que les radiologues.
Par exemple, le rapport de Smith et Funk cite Geoffrey Hinton, un informaticien de renon, qui fait partie du trio (avec Yann LeCun et Yoshua Bengio) lauréat du prix Turing 2018, considéré comme le prix Nobel de l'informatique. Ces trois hommes sont considérés comme les "parrains de l'IA" et les "parrains de "l'apprentissage profond". Alors, si Hinton fait une déclaration promettant une révolution immédiate dans le domaine de la radiologie, cela devrait enthousiasmer de nombreuses personnes qui seraient impatientes à l'idée de voir ce changement brusque. Les gens sont donc restés attentifs à une déclaration qu'il a faite en 2016.
« Nous pouvons maintenant arrêter de former des radiologues, il est juste complètement évident que d'ici cinq ans, l'apprentissage profond fera beaucoup mieux que les radiologues », avait-il déclaré à l'époque. La Food and Drug Administration (FDA) américaine aurait approuvé le premier algorithme d'IA pour l'imagerie médicale cette année-là et il y aurait maintenant plus de 80 algorithmes approuvés aux États-Unis et un nombre similaire en Europe. Mais nous sommes en 2021 et l'on n’a rien observé de tel. Le rapport allègue même que le nombre de radiologues travaillant aux États-Unis a augmenté, au lieu de diminuer. Il aurait augmenté d'environ 7 % entre 2015 et 2019.
Mieux, le rapport estime qu'il y a maintenant une pénurie de radiologues qui devrait s'accentuer au cours de la prochaine décennie. En attendant que la révolution tant espérée prenne forme, Smith et Funk ont rapporté que les algorithmes de reconnaissance d'images introduits dans le domaine de la radiologie au cours de ces cinq dernières années sont souvent fragiles et incohérents. La radiologie est une tâche étroitement définie pour laquelle l'IA, telle que définie par les experts, pourrait être bonne, mais le rapport estime que seuls 33 % des radiologues ont déclaré utiliser un type d'IA en 2020, selon une étude récente de l'American College of Radiology.
En outre, seuls 40 des plus de 80 algorithmes de radiologie actuellement autorisés par la FDA, avec 27 outils internes, auraient été utilisés par les répondants. Seuls 34 % d'entre eux seraient utilisés pour l'interprétation des images ; les autres applications comprendraient la gestion des listes de travail, l'amélioration des images, les opérations et les mesures. En résumé, seulement 11 % des radiologues auraient utilisé l'IA pour l'interprétation d'images dans une pratique clinique. Parmi ceux qui n'utilisent pas l'IA, 72 % n'auraient pas l'intention de le faire, tandis qu'environ 20 % souhaiteraient l'adopter d'ici cinq ans.
La peur de l'IA ou une technologie simplement en retard ?
Certains commentaires estiment que, lorsqu'il s'agit de l'intelligence artificielle ou des technologies révolutionnaires en général, les répondants aux diverses enquêtes faussent parfois volontairement les résultats pour repousser le changement. Dans le cas de l'IA, les gens auraient peur de se faire remplacer par une machine ou de devoir être surveillés par cette dernière. En gros, ces critiques estiment que le faible d'adoption de l'IA par les radiologues interrogés pourrait s'expliquer par les différents points susmentionnés. Cependant, d'autres s'opposent fortement à cette argumentation. Smith et Funk avancent d'autres arguments.
Selon eux, la raison de cette lente diffusion est la faible performance. Seuls 5,7 % des utilisateurs auraient déclaré que l'IA fonctionne toujours, tandis que 94 % ont fait état de performances irrégulières. Les performances irrégulières de l'IA sont en effet soulignées par d'autres experts, tant en radiologie que dans le secteur des soins de santé. Dans une interview récente, Andrew Ng, gourou de l'IA, a déclaré : « Ceux d'entre nous qui travaillent dans le domaine de l'apprentissage automatique sont vraiment bons pour obtenir de bons résultats sur un ensemble de tests ».
« Mais malheureusement, le déploiement d'un système demande plus que de bons résultats sur un ensemble de tests », a-t-il nuancé. Voici l'exemple qu'il a donné : « lorsque nous prenons des données de l'hôpital de Stanford, puis que nous nous entraînons et testons sur des données du même hôpital, nous pouvons effectivement publier des articles montrant que [les algorithmes] sont comparables aux radiologues humains dans la détection de certaines conditions. Nous pouvons publier des articles montrant que [les...[/les algorithmes]
La fin de cet article est réservée aux abonnés. Soutenez le Club Developpez.com en prenant un abonnement pour que nous puissions continuer à vous proposer des publications.
Envoyé par calvaire
