Une simple question pourrait bouleverser le parcours des patients atteints de cancer : pourquoi les examens médicaux vitaux doivent-ils être aussi pénibles et inaccessibles ? Quand on pense aux PET scans (tomographies par émission de positons), synonymes de diagnostics pointus mais aussi de stress, d’attente, et souvent d’un véritable parcours du combattant, la situation semble insensée. Les patients doivent jeûner de longues heures, se plier à une injection radioactive, attendre patiemment dans des hôpitaux surchargés — tout cela, pour finalement devoir éviter tout contact social le reste de la journée, tant qu’ils restent radioactifs. Mais pourquoi cette technologie essentielle reste-t-elle encore hors de portée pour tant de malades, notamment dans les zones rurales ?
Le cœur du problème réside dans la technologie elle-même : le PET scan nécessite des traceurs radioactifs créés sur place dans des cyclotrons, des machines coûteuses et peu répandues en dehors des grandes villes. Faut-il vraiment que l’accès à un diagnostic de qualité soit une question de géographie ? C’est dans ce contexte qu’un pari audacieux émerge, porté par une startup venue tout droit d’Oxford, RADiCAIT. Leur ambition : faire appel à l’intelligence artificielle pour transformer un banal scanner (CT), accessible partout et à moindre coût, en un équivalent PET révolutionnaire.
Comment ce miracle technique serait-il possible ? La réponse se trouve dans un modèle d’IA générative imaginé à Oxford sous la direction de Regent Lee, aujourd’hui cofondateur de RADiCAIT. Cette IA apprend à associer les images CT aux résultats des PET scans réels, repérant les schémas et corrélations invisibles au regard humain. Peut-on vraiment établir une équivalence clinique simplement en “traduction” numérique ? Selon Sean Walsh, le PDG de la startup, l’objectif est clair : remplacer la technologie la plus complexe et la plus onéreuse par la plus répandue et la moins chère. Mais cette promesse est-elle à la hauteur de la réalité des soins ?
Entre complexité médicale et révolution numérique, RADiCAIT veut transformer un rêve en standard d’accès au diagnostic.
La prouesse technologique ne s’arrête pas là : la génération d’une image “synthétique” PET, statistiquement identique à une image réelle selon l’équipe, s’appuie sur la collaboration de plusieurs modèles d’IA travaillant en synergie. Le procédé rappelle d’ailleurs l’apport révolutionnaire d’AlphaFold dans la recherche biologique, où l’IA a su prédire des structures protéiques autrefois indéchiffrables. Les essais cliniques menés par RADiCAIT, notamment auprès de Mass General Brigham ou UCSF Health aux États-Unis, semblent confirmer la fiabilité de ce système pour le dépistage et le suivi du cancer du poumon. Mais la validation, toujours en cours devant la FDA, marquera une étape cruciale : l’IA saura-t-elle réellement convaincre les médecins et les agences de santé publique ?
Un autre point soulève la curiosité : RADiCAIT ne prétend pas remplacer totalement les PET scans pour les usages thérapeutiques pointus, comme la radiothérapie ciblée. Mais si l’IA permettait de démocratiser le diagnostic, en réservant les coûteux équipements actuels aux seules indications les plus complexes ? Le potentiel bouleversement économique et sanitaire est majeur, tant la demande est aujourd’hui bridée par le manque d’appareils et les coûts inhérents.
La technologie serait-elle alors applicable à d’autres maladies, ou même à d’autres domaines scientifiques ? RADiCAIT affiche déjà ses ambitions au-delà du cancer du poumon, ciblant les cancers colorectaux et les lymphomes. D’après le directeur technologique de la startup, Sina Shahandeh, cette « traduction » numérique des phénomènes médicaux grâce à l’IA pourrait trouver des échos dans des disciplines allant de la biologie à la physique, partout où des liens cachés sont à explorer. Jusqu’où ces modèles génératifs peuvent-ils apprendre à relier les mondes et à faciliter l’accès à la connaissance médicale ?
Alors, sommes-nous vraiment à l’aube d’une nouvelle frontière dans l’imagerie médicale, où l’intelligence artificielle rendrait les tests autrefois réservés à une élite hospitalière accessibles au plus grand nombre, partout dans le monde ? Ou la réalité rejoindra-t-elle la complexité des défis règlementaires, éthiques et techniques encore à surmonter ?
Source : Techcrunch
