Après son triomphe à Jeopardy !, l’IA d’IBM semblait prête à révolutionner la médecine. Les médecins attendent toujours
En 2014, IBM a ouvert un nouveau siège chic pour sa division d’intelligence artificielle, connue sous le nom d’IBM Watson. À l’intérieur de la tour de verre située dans le sud de Manhattan, les IBMers peuvent amener des clients potentiels et des journalistes en visite dans la « salle d’immersion », qui ressemble à un planétarium miniature. Là, dans l’espace sombre, les visiteurs sont assis sur des tabourets pivotants tandis que des graphiques fantaisistes clignotent sur les écrans incurvés qui recouvrent les murs. C’est ce qui se rapproche le plus, disent parfois les IBMers, d’être à l’intérieur du cerveau électronique de Watson.
Une démonstration éblouissante de 2014 de la puissance cérébrale de Watson a montré son potentiel pour transformer la médecine à l’aide de l’IA – un objectif que Virginia Rometty, PDG d’IBM, appelle souvent le moon shot de l’entreprise. Dans la démo, Watson a pris une collection bizarre de symptômes de patients et est arrivé avec une liste de diagnostics possibles, chacun annoté avec le niveau de confiance de Watson et des liens vers la littérature médicale à l’appui.
Dans les confins confortables du dôme, Watson n’a jamais manqué d’impressionner : Ses banques de mémoire contenaient des connaissances sur toutes les maladies rares, et ses processeurs n’étaient pas sensibles au type de biais cognitif qui peut déconcerter les médecins. Il pouvait résoudre un cas difficile en quelques secondes. Si Watson pouvait apporter cette expertise instantanée aux hôpitaux et aux cliniques du monde entier, il semblait possible que l’IA puisse réduire les erreurs de diagnostic, optimiser les traitements et même atténuer la pénurie de médecins – non pas en remplaçant les médecins mais en les aidant à faire leur travail plus rapidement et mieux.
En dehors du siège de l’entreprise, cependant, IBM a découvert que sa puissante technologie n’est pas à la hauteur de la réalité désordonnée du système de santé actuel. Et en essayant d’appliquer Watson au traitement du cancer, l’un des plus grands défis de la médecine, IBM s’est heurtée à un décalage fondamental entre la façon dont les machines apprennent et la façon dont les médecins travaillent.
La tentative audacieuse d’IBM de révolutionner les soins de santé a commencé en 2011. Le lendemain du jour où Watson a minutieusement battu deux champions humains au jeu Jeopardy !, IBM a annoncé un nouveau parcours professionnel pour son gagnant du jeu télévisé d’IA : Il deviendrait un médecin IA. IBM a décidé d’appliquer à la médecine la technologie révolutionnaire qu’il a montrée à la télévision, à savoir la capacité de comprendre le langage naturel. Les premières offres commerciales de Watson pour les soins de santé seraient disponibles dans 18 à 24 mois, a promis la société.
En fait, les projets qu’IBM a annoncés ce premier jour n’ont pas donné lieu à des produits commerciaux. Au cours des huit années qui ont suivi, IBM a claironné de nombreux autres efforts très médiatisés pour développer une technologie médicale alimentée par l’IA – dont beaucoup ont fait long feu, et quelques-uns ont échoué de façon spectaculaire. La société a dépensé des milliards en acquisitions pour soutenir ses efforts internes, mais les initiés affirment que les sociétés acquises n’ont pas encore apporté une grande contribution. Et les produits qui ont émergé de la division Watson Health d’IBM ne ressemblent en rien au brillant docteur en IA qui avait été envisagé : Ils ressemblent davantage à des assistants d’IA capables d’effectuer certaines tâches de routine.
« Sur le plan de la réputation, je pense qu’ils ont quelques problèmes », déclare Robert Wachter, président du département de médecine de l’Université de Californie, San Francisco, et auteur du livre The Digital Doctor de 2015 : Hope, Hype, and Harm at the Dawn of Medicine’s Computer Age (McGraw-Hill). Selon lui, IBM souffre en partie de son ambition : Elle a été la première entreprise à faire des efforts considérables pour introduire l’IA dans les cliniques. Mais elle s’est également attiré la mauvaise volonté et le scepticisme en se vantant des capacités de Watson. « Ils sont arrivés avec le marketing en premier, le produit en second, et ont enthousiasmé tout le monde », dit-il. « Ensuite, le problème s’est posé. Il s’agit d’un ensemble de problèmes incroyablement difficiles, et IBM, en étant le premier à sortir, l’a démontré à tous les autres. »
Lors d’une conférence de 2017 réunissant des professionnels de l’informatique de santé, la PDG d’IBM, Mme Rometty, a déclaré à la foule que l’IA « est réelle, elle est courante, elle est là, et elle peut changer presque tout ce qui concerne les soins de santé », et a ajouté qu’elle pourrait inaugurer un « âge d’or » médical. Elle n’est pas la seule à y voir une opportunité : Les experts en informatique et en médecine s’accordent à dire que l’IA a le potentiel de transformer le secteur des soins de santé. Pourtant, jusqu’à présent, ce potentiel a surtout été démontré dans le cadre d’expériences soigneusement contrôlées. Seuls quelques outils basés sur l’IA ont été approuvés par les autorités réglementaires pour être utilisés dans de vrais hôpitaux et cabinets médicaux. Ces produits pionniers fonctionnent principalement dans le domaine visuel, en utilisant la vision par ordinateur pour analyser des images comme les radiographies et les scanners de la rétine. (IBM n’a pas de produit qui analyse les images médicales, bien qu’il ait un projet de recherche actif dans ce domaine.)
Lorsqu’on regarde au-delà des images, cependant, même la meilleure IA d’aujourd’hui a du mal à donner un sens aux informations médicales complexes. Et coder l’expertise d’un médecin humain dans un logiciel s’avère être une proposition très délicate. IBM a appris ces douloureuses leçons sur le marché, sous le regard du monde entier. Bien que l’entreprise n’abandonne pas son projet de lune, ses échecs au lancement ont montré aux technologues et aux médecins à quel point il est difficile de construire un médecin IA.
La victoire à Jeopardy ! en 2011 a montré la remarquable compétence de Watson en matière de traitement du langage naturel (NLP). Pour jouer le jeu, il devait analyser des indices compliqués remplis de jeux de mots, rechercher des bases de données textuelles massives pour trouver des réponses possibles, et déterminer la meilleure. Watson n’était pas un moteur de recherche glorifié ; il ne se contentait pas de renvoyer des documents sur la base de mots clés. Il utilise des centaines d’algorithmes pour cartographier les « entités » d’une phrase et comprendre les relations entre elles. Il a utilisé cette compétence pour donner un sens à la fois à l’indice de Jeopardy ! et aux millions de sources textuelles qu’il a exploitées.
« Il semblait presque que Watson pouvait comprendre le sens du langage, plutôt que de simplement reconnaître des modèles de mots », explique Martin Kohn, qui était le scientifique médical en chef d’IBM Research au moment du match de Jeopardy ! « C’était un ordre de grandeur plus puissant que ce qui existait ». Qui plus est, Watson a développé cette capacité tout seul, via l’apprentissage automatique. Les chercheurs d’IBM ont entraîné Watson en lui donnant des milliers d’indices de Jeopardy ! et de réponses étiquetées comme correctes ou incorrectes. Dans cet ensemble complexe de données, l’IA a découvert des schémas et a établi un modèle pour savoir comment passer d’une entrée (un indice) à une sortie (une réponse correcte).
Bien avant que Watson ne devienne une star sur la scène de Jeopardy !, IBM avait envisagé ses possibilités pour les soins de santé. La médecine, avec ses rames de données sur les patients, semblait une évidence, d’autant que les hôpitaux et les médecins passaient aux dossiers médicaux électroniques. Si certaines de ces données peuvent être facilement assimilées par des machines, comme les résultats de laboratoire et les mesures des signes vitaux, la majeure partie est constituée d’informations « non structurées », comme les notes du médecin et les résumés de sortie d’hôpital. Ce texte narratif représente environ 80 % du dossier d’un patient typique – et c’est un ragoût de jargon, de sténographie et de déclarations subjectives.
Kohn, qui est arrivé chez IBM avec un diplôme de médecine de l’Université de Harvard et un diplôme d’ingénieur du MIT, était enthousiaste à l’idée d’aider Watson à s’attaquer au langage de la médecine. « Il semblait que Watson avait le potentiel pour surmonter ces complexités », dit-il. Selon la théorie, en mettant ses puissantes capacités de traitement automatique des langues au service de la médecine, Watson pourrait lire les dossiers médicaux des patients ainsi que l’ensemble du corpus de la littérature médicale : manuels, articles de journaux évalués par des pairs, listes de médicaments approuvés, etc. En ayant accès à toutes ces données, Watson pourrait devenir un supermédecin, discernant des schémas qu’aucun humain ne pourrait jamais repérer.
« Les médecins vont travailler tous les jours – en particulier ceux qui sont en première ligne, les médecins de premier recours – en sachant qu’il leur est impossible de savoir tout ce qu’ils doivent savoir pour pratiquer la médecine la meilleure, la plus efficace et la plus efficiente possible », explique Herbert Chase, professeur de médecine et d’informatique biomédicale à l’université Columbia, qui a collaboré avec IBM dans ses premiers efforts en matière de soins de santé. Mais Watson, dit-il, pourrait suivre le rythme – et s’il est transformé en un outil d' »aide à la décision clinique », il pourrait permettre aux médecins de suivre également le rythme. Au lieu d’un indice de Jeopardy !, un médecin pourrait donner à Watson les antécédents d’un patient et lui demander un diagnostic ou un plan de traitement optimal.
Chase a travaillé avec les chercheurs d’IBM sur le prototype d’un outil de diagnostic, celui qui a ébloui les visiteurs dans la salle d’immersion Watson. Mais IBM a choisi de ne pas le commercialiser, et Chase s’est séparé d’IBM en 2014. Il est déçu par la lenteur des progrès de Watson en médecine depuis lors. « Je ne suis pas au courant d’un home run spectaculaire », dit-il.
Il fait partie des nombreux enthousiastes de la première heure de Watson qui sont aujourd’hui consternés. Eliot Siegel, professeur de radiologie et vice-président des systèmes d’information à l’université du Maryland, a également collaboré avec IBM pour la recherche sur le diagnostic. S’il pense que les outils basés sur l’IA seront indispensables aux médecins d’ici dix ans, il n’est pas certain qu’IBM les construira. « Je ne pense pas qu’ils soient à la pointe de l’IA », déclare M. Siegel. « Les choses les plus passionnantes se passent chez Google, Apple et Amazon. »
Pour ce qui est de Kohn, qui a quitté IBM en 2014, il dit que l’entreprise est tombée dans un piège commun : « Prouver simplement que vous avez une technologie puissante n’est pas suffisant », dit-il. « Prouvez-moi qu’elle va réellement faire quelque chose d’utile – qu’elle va améliorer ma vie et celle de mes patients. » Kohn dit qu’il a attendu de voir des articles évalués par des pairs dans les revues médicales démontrant que l’IA peut améliorer les résultats des patients et économiser de l’argent aux systèmes de santé. « À ce jour, il y a très peu de publications de ce type », dit-il, « et aucune conséquence pour Watson. »
En essayant d’introduire l’IA dans la clinique, IBM relevait un énorme défi technique. Mais ayant pris du retard sur les géants de la technologie comme Google et Apple dans de nombreux autres domaines informatiques, IBM avait besoin de quelque chose de grand pour rester pertinent. En 2014, la société a investi 1 milliard de dollars US dans son unité Watson, qui développait des technologies pour de multiples secteurs d’activité. En 2015, IBM a annoncé la création d’une division spéciale Watson Health, et à la mi-2016, Watson Health avait acquis quatre entreprises de données sur la santé pour un coût total d’environ 4 milliards de dollars. Il semblait qu’IBM disposait de la technologie, des ressources et de l’engagement nécessaires pour faire fonctionner l’IA dans le domaine de la santé.
Aujourd’hui, les dirigeants d’IBM parlent de l’effort de Watson Health comme d’un « voyage » sur une route aux nombreux rebondissements. « Injecter de l’IA dans les soins de santé est une tâche difficile, et c’est un défi. Mais nous y parvenons », déclare John E. Kelly III, vice-président senior d’IBM chargé des solutions cognitives et de la recherche chez IBM. Kelly a guidé l’effort Watson depuis l’époque de Jeopardy ! et, fin 2018, il a également assumé la supervision directe de Watson Health. Il affirme que l’entreprise a pivoté quand elle en avait besoin : « Nous continuons à apprendre, donc nos offres changent en fonction de ce que nous apprenons. »
L’outil de diagnostic, par exemple, n’a pas été mis sur le marché parce que l’analyse de rentabilité n’était pas là, dit Ajay Royyuru, vice-président de la recherche sur les soins de santé et les sciences de la vie chez IBM. « Le diagnostic n’est pas l’endroit où il faut aller », dit-il. « C’est quelque chose que les experts font très bien. C’est une tâche difficile, et quelle que soit l’efficacité de l’IA, elle ne remplacera pas le praticien expert. » (Tout le monde n’est pas d’accord avec Royyuru : Un rapport de 2015 sur les erreurs de diagnostic des Académies nationales des sciences, de l’ingénierie et de la médecine a déclaré que l’amélioration des diagnostics représente un « impératif moral, professionnel et de santé publique »)
Pour tenter de trouver l’argument commercial de l’IA médicale, IBM a poursuivi un nombre vertigineux de projets visant tous les différents acteurs du système de santé : médecins, personnel administratif, assureurs et patients. Selon M. Kelly, ce qui relie tous ces projets, c’est la volonté de fournir « une aide à la décision en utilisant des ensembles de données massives d’IA ». Le projet le plus médiatisé d’IBM était axé sur l’oncologie, où l’entreprise espérait déployer les capacités « cognitives » de Watson pour transformer les données massives en traitements anticancéreux personnalisés pour les patients.
Dans de nombreuses tentatives d’applications, le NLP de Watson a eu du mal à donner un sens au texte médical – comme l’ont fait de nombreux autres systèmes d’IA. « Nous faisons incroyablement mieux avec le NLP qu’il y a cinq ans, et pourtant nous sommes toujours incroyablement plus mauvais que les humains », déclare Yoshua Bengio, professeur d’informatique à l’Université de Montréal et chercheur de pointe en IA. Selon M. Bengio, dans les documents médicaux, les systèmes d’IA ne peuvent pas comprendre l’ambiguïté et ne repèrent pas les indices subtils qu’un médecin humain remarquerait. Selon M. Bengio, la technologie NLP actuelle peut aider le système de soins de santé : « Il n’est pas nécessaire qu’elle ait une compréhension totale pour faire quelque chose d’incroyablement utile », dit-il. Mais aucune IA construite à ce jour ne peut égaler la compréhension et la perspicacité d’un médecin humain. « Non, nous n’en sommes pas là », dit-il.
Le travail de l’IBM sur le cancer sert d’exemple type des défis rencontrés par l’entreprise. « Je ne pense pas que quiconque avait la moindre idée que cela prendrait autant de temps ou serait aussi compliqué », déclare Mark Kris, spécialiste du cancer du poumon au Memorial Sloan Kettering Cancer Center, à New York, qui dirige la collaboration de son institution avec IBM Watson depuis 2012.
L’effort pour améliorer les soins du cancer avait deux pistes principales. Kris et d’autres médecins prééminents du Sloan Kettering ont formé un système d’IA qui est devenu le produit Watson for Oncology en 2015. À l’autre bout du pays, des médecins éminents du MD Anderson Cancer Center de l’Université du Texas, à Houston, ont collaboré avec IBM pour créer un outil différent appelé Oncology Expert Advisor. Le MD Anderson est allé jusqu’à tester l’outil dans le service de leucémie, mais il n’est jamais devenu un produit commercial.
Les deux efforts ont été vivement critiqués. Un article excoriant sur Watson for Oncology a allégué qu’il fournissait des recommandations inutiles et parfois dangereuses (IBM conteste ces allégations). Plus généralement, M. Kris dit avoir souvent entendu la critique selon laquelle le produit n’est pas une « véritable IA ». Et le projet du MD Anderson a échoué de façon spectaculaire : Un audit réalisé en 2016 par l’Université du Texas a révélé que le centre anticancéreux avait dépensé 62 millions de dollars sur le projet avant de l’annuler. Un examen plus approfondi de ces deux projets révèle un décalage fondamental entre la promesse de l’apprentissage automatique et la réalité des soins médicaux – entre la « véritable IA » et les exigences d’un produit fonctionnel pour les médecins d’aujourd’hui.
Watson for Oncology était censé apprendre en ingérant la vaste littérature médicale sur le cancer et les dossiers médicaux de véritables patients atteints de cancer. L’espoir était que Watson, avec sa puissante puissance de calcul, examine des centaines de variables dans ces dossiers – y compris les données démographiques, les caractéristiques des tumeurs, les traitements et les résultats – et découvre des modèles invisibles pour les humains. Il pourrait également se tenir au courant de la multitude d’articles de journaux sur les traitements du cancer publiés chaque jour. Pour les oncologues de Sloan Kettering, il s’agissait d’une percée potentielle dans le traitement du cancer. Pour IBM, il s’agissait d’un produit formidable. « Je pense que personne ne savait dans quoi nous nous engagions », dit Kris.
Watson a appris assez rapidement à parcourir les articles sur les études cliniques et à déterminer les résultats de base. Mais il s’est avéré impossible d’apprendre à Watson à lire les articles comme le ferait un médecin. « L’information que les médecins extraient d’un article, qu’ils utilisent pour modifier leurs soins, n’est pas forcément le point principal de l’étude », explique Kris. Le raisonnement de Watson est basé sur les statistiques, donc tout ce qu’il peut faire est de rassembler des statistiques sur les principaux résultats, explique Kris. « Mais les médecins ne fonctionnent pas de cette façon. »
En 2018, par exemple, la FDA a approuvé un nouveau médicament anticancéreux « agnostique sur le plan tissulaire » qui est efficace contre toutes les tumeurs qui présentent une mutation génétique spécifique. Le médicament a fait l’objet d’une procédure accélérée sur la base de résultats spectaculaires chez seulement 55 patients, dont quatre souffraient d’un cancer du poumon. « Nous disons maintenant que tous les patients atteints d’un cancer du poumon devraient être testés pour ce gène », dit Kris. « Toutes les directives antérieures ont été rejetées, sur la base de quatre patients ». Mais Watson ne changera pas ses conclusions sur la base de seulement quatre patients. Pour résoudre ce problème, les experts du Sloan Kettering ont créé des « cas synthétiques » dont Watson pourrait tirer des enseignements, essentiellement des patients fictifs présentant certains profils démographiques et caractéristiques de cancer. « Je crois en l’analytique ; je crois qu’elle peut découvrir des choses », dit Kris. «
Mais quand il s’agit du cancer, cela ne fonctionne vraiment pas. »
La prise de conscience que Watson ne pouvait pas extraire de manière indépendante des idées à partir des nouvelles de dernière minute dans la littérature médicale n’était que le premier coup. Les chercheurs ont également constaté qu’il ne pouvait pas extraire les informations des dossiers médicaux électroniques des patients comme ils s’y attendaient.
Au MD Anderson, les chercheurs ont mis Watson au travail sur les dossiers médicaux de patients atteints de leucémie – et ont rapidement découvert à quel point ces dossiers étaient difficiles à travailler. Oui, Watson possédait des compétences phénoménales en langage neurolinguistique. Mais dans ces dossiers, les données pouvaient être manquantes, écrites de manière ambiguë ou hors de l’ordre chronologique. Dans un article publié en 2018 dans The Oncologist, l’équipe a indiqué que son conseiller expert en oncologie alimenté par Watson avait un succès variable dans l’extraction d’informations des documents textuels des dossiers médicaux. Il a obtenu des scores de précision allant de 90 à 96 % lorsqu’il s’agissait de concepts clairs comme le diagnostic, mais des scores de seulement 63 à 65 % pour les informations dépendant du temps, comme les délais de thérapie.
Dans un coup final au rêve d’un superdocteur IA, les chercheurs ont réalisé que Watson ne peut pas comparer un nouveau patient avec l’univers des patients atteints de cancer qui l’ont précédé pour découvrir des modèles cachés. Le Sloan Kettering et le MD Anderson espéraient que l’IA imiterait les capacités de leurs oncologues experts, qui s’appuient sur leur expérience des patients, des traitements et des résultats lorsqu’ils élaborent une stratégie pour un nouveau patient. Une machine capable de faire le même type d’analyse de population – de manière plus rigoureuse et en utilisant des milliers de patients supplémentaires – serait extrêmement puissante.
Mais les normes actuelles du système de santé n’encouragent pas un tel apprentissage dans le monde réel. Le conseiller expert en oncologie du MD Anderson n’a émis que des recommandations « fondées sur des preuves » liées aux directives médicales officielles et aux résultats d’études publiées dans la littérature médicale. Si un système d’IA devait fonder ses conseils sur des schémas découverts dans les dossiers médicaux – par exemple, qu’un certain type de patient se porte mieux avec un certain médicament – ses recommandations ne seraient pas considérées comme fondées sur des données probantes, l’étalon-or de la médecine. Sans les contrôles stricts d’une étude scientifique, une telle découverte ne serait considérée que comme une corrélation, et non comme une causalité.
Kohn, anciennement d’IBM, et beaucoup d’autres pensent que les normes de soins de santé doivent changer pour que l’IA réalise son plein potentiel et transforme la médecine. « L’étalon-or n’est pas vraiment de l’or », déclare Kohn. Les systèmes d’IA pourraient prendre en compte beaucoup plus de facteurs que ceux qui seront jamais représentés dans un essai clinique, et pourraient trier les patients dans beaucoup plus de catégories afin de fournir des « soins vraiment personnalisés », affirme Kohn. L’infrastructure doit également changer : les établissements de santé doivent accepter de partager leurs données exclusives et contrôlées par la confidentialité afin que les systèmes d’IA puissent apprendre de millions de patients suivis pendant de nombreuses années.
Selon des rapports anecdotiques, IBM a eu du mal à trouver des acheteurs pour son produit d’oncologie Watson aux États-Unis. Certains oncologues disent avoir confiance en leur propre jugement et ne pas avoir besoin que Watson leur dise quoi faire. D’autres disent qu’il ne leur suggère que des traitements standard qu’ils connaissent bien. Mais M. Kris affirme que certains médecins le trouvent utile en tant que deuxième opinion instantanée qu’ils peuvent partager avec des patients nerveux. « Aussi imparfait qu’il soit, et aussi limité qu’il soit, il est très utile », déclare M. Kris. Les représentants commerciaux d’IBM ont eu plus de chance en dehors des États-Unis, puisque des hôpitaux en Inde, en Corée du Sud, en Thaïlande et ailleurs ont adopté cette technologie. Beaucoup de ces hôpitaux utilisent fièrement la marque IBM Watson dans leur marketing, en disant aux patients qu’ils bénéficieront de soins contre le cancer alimentés par l’IA.
Au cours des dernières années, ces hôpitaux ont commencé à publier des études sur leurs expériences avec Watson for Oncology. En Inde, les médecins du Manipal Comprehensive Cancer Center ont évalué Watson sur 638 cas de cancer du sein et ont constaté un taux de concordance de 73 % dans les recommandations de traitement ; son score a été abaissé par de mauvaises performances sur le cancer du sein métastatique. Watson a obtenu de moins bons résultats au Gachon University Gil Medical Center, en Corée du Sud, où ses recommandations pour 656 patients atteints de cancer du côlon ne correspondaient à celles des experts que dans 49 % des cas. Les médecins ont rapporté que Watson s’en sortait mal avec les patients plus âgés, ne suggérait pas certains médicaments standard et présentait un bug qui l’amenait à recommander une surveillance au lieu d’un traitement agressif pour certains patients atteints de cancer métastatique.
Ces études visaient à déterminer si la technologie de Watson for Oncology fonctionne comme prévu. Mais aucune étude n’a encore montré qu’elle profite aux patients. Wachter de l’UCSF dit que c’est un problème croissant pour l’entreprise : « IBM savait que sa victoire à Jeopardy ! et son partenariat avec le Memorial Sloan Kettering lui ouvriraient la porte. Mais ils avaient besoin de montrer, assez rapidement, un impact sur les résultats concrets. » Selon M. Wachter, IBM doit convaincre les hôpitaux que le système vaut l’investissement financier. « Il est vraiment important qu’ils sortent avec des réussites », dit-il. « Une réussite, c’est un article dans le New England Journal of Medicine montrant que lorsque nous avons utilisé Watson, les patients se sont mieux portés ou nous avons économisé de l’argent. » Wachter attend toujours de voir de tels articles apparaître.
Sloan Kettering’s Kris n’est pas découragé ; il affirme que la technologie ne fera que s’améliorer. « En tant qu’outil, Watson a un potentiel extraordinaire », dit-il. « J’espère que les personnes qui disposent de la matière grise et de la puissance informatique s’y consacreront. C’est un travail de longue haleine, mais il en vaut la peine. »
Certaines réussites émergent de Watson Health-dans certaines applications étroites et contrôlées, Watson semble apporter une valeur ajoutée. Prenez, par exemple, le produit Watson for Genomics, qui a été développé en partenariat avec l’Université de Caroline du Nord, l’Université de Yale et d’autres institutions. L’outil est utilisé par les laboratoires de génétique qui produisent des rapports pour les oncologues praticiens : Watson prend le fichier qui répertorie les mutations génétiques d’un patient, et en quelques minutes seulement, il peut générer un rapport qui décrit tous les médicaments et essais cliniques pertinents. « Nous permettons aux laboratoires de passer à l’échelle », explique Vanessa Michelini, ingénieur distingué d’IBM qui a dirigé le développement et le lancement du produit en 2016.
Watson a la tâche relativement facile avec les informations génétiques, qui sont présentées dans des fichiers structurés et ne présentent aucune ambiguïté – soit une mutation est là, soit elle ne l’est pas. L’outil n’emploie pas le NLP pour exploiter les dossiers médicaux, et l’utilise plutôt uniquement pour rechercher des manuels, des articles de journaux, des autorisations de médicaments et des annonces d’essais cliniques, où il recherche des déclarations très spécifiques.
Les partenaires d’IBM à l’Université de Caroline du Nord ont publié le premier article sur l’efficacité de Watson for Genomics en 2017. Pour 32 % des patients atteints de cancer inscrits à cette étude, Watson a repéré des mutations potentiellement importantes non identifiées par un examen humain, ce qui a fait de ces patients de bons candidats pour un nouveau médicament ou un essai clinique qui venait d’être ouvert. Mais rien n’indique, pour l’instant, que Watson for Genomics conduit à de meilleurs résultats.
Le ministère américain des Anciens combattants utilise les rapports Watson for Genomics dans plus de 70 hôpitaux du pays, explique Michael Kelley, directeur du programme national d’oncologie du VA. Le VA a d’abord essayé le système pour le cancer du poumon et l’utilise maintenant pour toutes les tumeurs solides. « Je pense vraiment qu’il améliore les soins aux patients », affirme M. Kelley. Lorsque les oncologues du VA décident d’un plan de traitement, « c’est une source d’information qu’ils peuvent apporter à la discussion », dit-il. Mais M. Kelley dit qu’il ne voit pas Watson comme un médecin robot. « J’ai tendance à le voir comme un robot qui est un maître bibliothécaire médical. »
La plupart des médecins seraient probablement ravis d’avoir un bibliothécaire IA à leur disposition – et si c’est ce qu’IBM leur avait promis à l’origine, ils ne seraient peut-être pas si déçus aujourd’hui. L’histoire de Watson Health est un récit édifiant sur l’hubris et le battage médiatique. Tout le monde aime l’ambition, tout le monde aime les coups de lune, mais personne ne veut monter dans une fusée qui ne fonctionne pas.
Cet article est paru dans le numéro imprimé d’avril 2019 sous le titre « IBM Watson, Heal Thyself. »