Faut il croire l’ordinateur pour l’autodiagnostic?

L’avenir de la médecine passe par l’informatique, numérique, le connecté, le digital, le big data et j’en oublie. Je n’en doute pas, faut il encore que ces outils soient évalués. Un article du BMJ s’est intéressé à la performance des applications ou des sites internet pour réaliser de l’autodiagnostic et du triage (est ce urgent de consulter un médecin en chair et en os ?). Sa lecture et celle de l’éditorial qui l’accompagne sont très instructives.

Les auteurs ont testés 23 applications avec des vignettes cliniques de 3 types, diagnostics graves nécessitant une prise en charge rapide, diagnostics non graves nécessitant un avis non urgent et pas besoin de consultations. Vous pouvez consulter les vignettes cliniques dans les supplementary data. Ça va du rhume au syndrome hémolytique et urémique. Les auteurs ont étudié la capacité à donner le bon diagnostic et celle de bien orienter. Les algorithmes donnent le bon diagnostic dans 34% des cas (de 5% pour le plus mauvais à 50% pour le meilleur) et font un bon tri dans 57% des cas. Pour ce dernier point, la pertinence dépend de la gravité, en pratique pour les pathologies graves le tri est bon dans 80 % des cas contre 30% pour les bénignes, avec des disparités inter-outils très importantes. Ces applications sont très défensives et certaines conseillent tout le temps d’aller voir un médecin. La table 4 donne un classement des algo les plus pertinents.

Le seul défaut de se travail est de ne pas avoir comparé l’outil numérique à un panel humain. La vraie question est là. Un ordinateur fait il mieux ou moins bien qu’un médecin ou qu’une infirmière formée? Vous avez un début de réponse avec ce travail publié dans le JAMA internal medicine en 2013.

Je trouve que les résultats ne sont pas si mauvais pour le diagnostic avec les meilleurs outils, pour le tri ne pas rater 80% des urgences est honnête. De tels systèmes, pour l’instant, ne permettent pas de diminuer l’embouteillage aux urgences donc les couts, certains risquent de l’aggraver… Avec le temps, ils vont devenir plus performants. J’ai le sentiment que couplé à un système type Elli qui décrypte le non verbal, ces systèmes pourraient s’améliorer. En ajoutant une dimension de retour d’expériences par l’utilisateur, avec une question finalement qu’aviez vous, qu’avez vous fait, les modèles se nourriront de leurs erreurs et s’affineront. La machine apprenant de ces erreurs sans l’a priori humain, elle pourrait rapidement faire mieux que nous.

Il reste un écueil, l’analyse du langage. Les logiciels dans ce travail ont été nourri avec des vignettes cliniques standardisées assez éloignées de ce que peut dire un patient dans la vraie vie. Cette limite de la compréhension, de l’interprétation, déjà difficile pour un humain habitué devient pour une machine rédhibitoire. Nous passons notre temps à traduire des mots, expressions du quotidien en jargon médical et inversement. Il est rare qu’un patient vienne en disant j’ai des oedèmes, c’est plutôt: « je suis gonflé, enflé, bouffi, j’ai de l’eau, je fais de la rétention, etc ». L’analyse du langage naturel par l’ordinateur reste un Graal, en médecine, c’est un impératif.

L’éditorial compagnon est excellent et je conseille sa lecture à tous ceux qui s’intéresse à la santé connectée et ses enjeux.

Au delà des marchands de rêve de la santé numérique, cet article montre la voie d’une évaluation de ces outils. Il faudra distinguer entre outils numériques de santé validées cliniquement et les gadgets, simples moyens marketing. L’éducation du public est essentielle. La santé numérique est un champs de recherche passionnant qui prendra une place de plus en plus grande. Il est important que tous les médecins suivent ces développements pour conseiller les bons outils à leurs patients. Ce genre de travail permet un vrai choix éclairé de son outil d’autodiagnostic, en gardant en tête qu’ils se trompent aussi.

Ce contenu a été publié dans Medecine, Science, avec comme mot(s)-clé(s) , , , , , . Vous pouvez le mettre en favoris avec ce permalien.

5 réponses à Faut il croire l’ordinateur pour l’autodiagnostic?

  1. Marie dit :

    Au niveau du traitement automatique du langage, le manque de données verbales est le frein principal : à partir de transcriptions de consultations, on pourrait avoir des résultats très intéressants. La machine n’a pas besoin de connaître la réalité physique du gonflement, il lui suffit d’avoir en mémoire des cas où le mot « gonflé » a donné lieu au diagnostic « oedème ».

  2. dsl dit :

    L’article du JAMA est intéressant, mais c’est assez frustrant de ne pas connaitre les diagnostics des cas cliniques présentés…

  3. DUBOIS dit :

    Surtout avec les idiomes régionaux : ici le patient est « enfle » , « gonfle », ou a des bouffigues derrière les chevilles

  4. Ping : AUTO DIAGNOSTIC | Pearltrees

  5. Ping : AUTO DIAGNOSTIC | Pearltrees

Laisser un commentaire

Ce site utilise Akismet pour réduire les indésirables. En savoir plus sur comment les données de vos commentaires sont utilisées.