L'INESSS (rapport sur l'IA en imagerie médicale, novembre 2025) identifie des bénéfices en précision diagnostique, tout en signalant des risques liés aux biais algorithmiques. Santé Canada encadre les dispositifs médicaux intégrant l'IA (MLMD) avec des exigences croissantes de sécurité.
Nuance clinique
La confusion entre « l’IA peut détecter un mélanome sur photo avec une précision de 91 % » et « l’IA peut diagnostiquer un mélanome » est courante et dangereuse. La détection d’un signal sur une image est une sous-composante du diagnostic — pas le diagnostic entier. Un dermatologue qui examine une lésion intègre l’image, l’histoire de la lésion, le phototype du patient, les facteurs de risque personnels, la qualité de l’image et l’expérience clinique. L’IA dans les études de benchmark fait quelque chose de différent et de plus étroit. Les conditions de test en laboratoire ne reproduisent pas les conditions cliniques réelles.
Points pratiques
Où l’IA diagnostique est utile et documentée :
- Imagerie médicale : détection de nodules pulmonaires, fractures subtiles, anomalies rétiniennes — comme aide et vérification, pas remplacement
- ECG : détection de fibrillation auriculaire, allongement QT, bloc de branche — précision comparable aux cardiologues dans des études
- Dermatologie : classification des lésions cutanées sur image standardisée — performance variable selon la qualité de l’image et la population
- Dépistage pathologique : identification de cellules anormales sur biopsie (aide au pathologiste, pas remplacement)
Où l’IA diagnostique reste limitée :
- Maladies rares ou atypiques sous-représentées dans les données d’entraînement
- Contextes de présentation multimorbide et complexe
- Situations où le contexte culturel, social ou psychologique est déterminant
- Urgences cliniques imbriquées avec peu de données disponibles
Ce que le médecin doit retenir :
- Un outil IA diagnostique peut aider à ne pas rater quelque chose — c’est sa valeur principale
- Il peut aussi sur-détecter et générer des faux positifs qui créent de l’anxiété et des examens inutiles
- La performance publiée dans des études ≠ performance en pratique quotidienne sur vos patients
- Utiliser l’IA comme second regard, pas comme décideur principal
Preuves et contexte public
- Quelle est la différence entre IA faible et IA forte en santé ?
- Qu’est-ce que l’intelligence artificielle en santé — définition et types ?
- Évaluation clinique de l’IA — pilier