IA de MSU : dépistage silicoses chez 2,2 M travailleurs US
Plus de 2,2 millions de travailleurs américains sont quotidiennement exposés à des poussières de roche, de sable ou de charbon, un risque majeur de développer des cicatrices pulmonaires irréversibles connues sous les noms de poumon noir ou silicose. Pour répondre à cette urgence de santé publique, des chercheurs de l'Université d'État du Michigan ont mis au point un outil d'intelligence artificielle dédié au dépistage précoce de ces pathologies professionnelles. Le diagnostic repose traditionnellement sur des radiographies thoraciques analysées par des médecins spécialisés, appelés B readers. Toutefois, les États-Unis ne comptent qu'environ 200 de ces experts, créant des goulots d'étranglement critiques. En outre, 95 % des examens de routine s'avèrent normaux, ce qui alourdit la charge de travail et retarde la détection des premières lésions, souvent trop subtiles pour être repérées avec constance par l'œil humain. Pour pallier ces lacunes, l'équipe de recherche a entraîné un modèle d'IA sur un jeu de données spécifique aux radiographies de travailleurs américains. Publiée dans la revue Occupational and Environmental Medicine, cette innovation se positionne comme un copilote diagnostique hautement efficace. Le programme est capable de trier automatiquement environ la moitié des examens sains, libérant ainsi la file d'attente des spécialistes pour qu'ils se concentrent sur les cas suspects. Lorsqu'il identifie des signes précoces de fibrose, l'IA génère une cartographie colorée directement sur l'image médicale, servant de contre-expertise objective et standardisant les lectures. Les résultats démontrent une précision de 91 % pour la détection des lésions initiales, surpassant nettement la moyenne humaine de 77 %. En accélérant le processus de vérification, cette technologie permet d'alerter rapidement les employeurs et les travailleurs concernés. La détection précoce est cruciale, car les dommages pulmonaires évoluent silencieusement sur une à deux décennies. Identifier la maladie à son stade embryonnaire permet de retirer les salariés des environnements polluants avant l'apparition de symptômes invalidants, d'optimiser les systèmes de ventilation et d'ouvrir l'accès à des prises en charge médicales ou à des indemnités professionnelles adaptées. Portée par les professeurs Kenneth Rosenman, Adam Alessio et Ling Wang, cette recherche illustre l'application concrète de l'IA dans le domaine de la santé au travail. Les chercheurs collaborent actuellement avec le NIOSH, l'institut national américain de recherche sur la sécurité et la santé au travail, afin de transformer ce prototype en une application logicielle accessible à large échelle. Cette solution technologique répond à un besoin structurel critique, offrant une surveillance plus rapide, plus fiable et plus équitable pour des millions de professionnels exposés à des risques chimiques et physiques.
