Une IA m’a dit que j’avais un cancer

J’ai réalisé que j’avais imaginé que l’IA prendrait tout mon graphique et ferait un diagnostic, éventuellement avec des images dramatiques apparaissant progressivement comme les scènes sur L’anatomie de Grey où ils découvrent une grosse tumeur qui crée une complication narrative et est résolue à la fin de l’épisode. J’ai déjà écrit sur ce phénomène, où les conceptions hollywoodiennes irréalistes de l’IA peuvent obscurcir notre compréhension collective du fonctionnement réel de l’IA. La réalité de l’IA en médecine est bien plus banale qu’on ne pourrait l’imaginer, et l’IA ne “diagnostique” pas le cancer comme le fait un médecin humain. Un radiologue regarde plusieurs images de la zone touchée, lit les antécédents d’un patient et peut regarder plusieurs vidéos prises sous différents angles. Une IA prend une image statique, l’évalue par rapport aux modèles mathématiques trouvés dans les données d’entraînement de l’IA et génère une prédiction selon laquelle des parties de l’image sont mathématiquement similaires aux zones étiquetées (par les humains) dans les données d’entraînement. Un médecin examine les preuves et tire une conclusion. Un ordinateur génère une prédiction, qui est différente d’un diagnostic.

Les humains utilisent une série de tests standard pour générer un diagnostic, et l’IA est construite au-dessus de ce processus de diagnostic. Certains de ces tests sont l’auto-examen, la mammographie, l’échographie, la biopsie à l’aiguille, les tests génétiques ou la biopsie chirurgicale. Ensuite, vous avez des options pour les traitements contre le cancer : chirurgie, radiothérapie, chimiothérapie, médicaments d’entretien. Tout le monde reçoit une sorte de combinaison de tests et de traitements. J’ai subi une mammographie, une échographie, une biopsie à l’aiguille, des tests génétiques et une intervention chirurgicale. Mon ami, diagnostiqué à peu près au même moment, a détecté une masse lors d’un auto-examen. Elle a subi une mammographie, une échographie, une biopsie à l’aiguille, des tests génétiques, une biopsie chirurgicale, une chimiothérapie, une intervention chirurgicale, une radiothérapie, une deuxième série de chimiothérapie et des médicaments d’entretien. Le traitement dépend du type de cancer, de son emplacement et de son stade : 0-4. Les tests, les traitements et les médicaments que nous avons aujourd’hui dans les hôpitaux américains sont les meilleurs qu’ils aient jamais été dans l’histoire du monde. Heureusement, un diagnostic de cancer ne doit plus être une condamnation à mort.

Étant donné que Geras et ses collaborateurs ont pré-formé le modèle et l’ont mis en ligne, tout ce que Robinson et moi avions à faire était de connecter notre code au modèle pré-formé et d’y exécuter mes scans. Nous l’avons mis en place, et… rien. Aucun résultat significatif sur le cancer, nada. Ce qui était étrange parce que je savais qu’il y avait un cancer du sein. Les médecins venaient de me couper tout le sein pour que le cancer ne me tue pas.

Nous avons enquêté. Nous avons trouvé un indice dans l’article, où les auteurs écrivent: “Nous avons montré expérimentalement qu’il est essentiel de conserver les images à haute résolution.” J’ai réalisé que mon image, une capture d’écran de ma mammographie, était en basse résolution. Une image haute résolution était nécessaire.

Robinson a découvert un problème supplémentaire caché profondément dans le fichier image. Mon image de capture d’écran nous est apparue en noir et blanc, comme toutes les images radiographiques. Cependant, l’ordinateur avait représenté la capture d’écran sous la forme d’une image en couleur, également connue sous le nom d’image RVB. Chaque pixel d’une image couleur a trois valeurs : rouge, vert et bleu. Le mélange des valeurs vous donne une couleur, tout comme avec la peinture. Si vous faites un pixel avec 100 unités de bleu et 100 unités de rouge, vous obtiendrez un pixel violet. La valeur du pixel violet pourrait ressembler à ceci : R : 100, G : 0, B : 100. Une photo numérique couleur est en fait une grille de pixels, chacun avec une valeur de couleur RVB. Lorsque vous placez tous les pixels les uns à côté des autres, le cerveau humain forme la collection de pixels en une image.

Laisser un commentaire