Jean Pierre LAROCHE 2 Octobre 2025 Clics : 93

IA et maladies neurodégénératives : le doute

“Comprendre est le commencement d'approuver.” Baruch Spinoza

Ismaël Rafaï, Bérangère Davin-Casalena, Dimiti Dubois, . et al. Réticence du public à la détection des maladies neurodégénératives par l'IA en France . Public hesitancy for AI-base detection of neurodegenerative diseases in France
Sci Rep 15 , 26849 (2025). https://doi.org/10.1038/s41598-025-11917-8
https://www.nature.com/articles/s41598-025-11917-8
Article en libre accès

Les progrès récents de l'intelligence artificielle (IA) ont permis de détecter plus tôt les maladies neurodégénératives (MND), améliorant potentiellement les résultats pour les patients.

Cependant, les outils de détection établis sur l'IA restent sous-utilisés.

Nous avons étudié l'évaluation individuelle des tests de diagnostic précoce des MND.

Nous avons mené une expérience de choix discret auprès d'un échantillon représentatif de la population adulte française ( N = 1017). Les participants ont été invités à choisir entre des tests de diagnostic précoce différant par :

(1) le type de test (salive ou tests basés sur l'IA analysant les dossiers médicaux électroniques) ;

(2) l'identité de la personne communiquant les résultats ;

(3) la sensibilité ;

(4) la spécificité ;

(5) le prix.

Nous avons calculé le poids de chaque attribut dans la décision et examiné l'influence des caractéristiques sociodémographiques sur ces tests.

Les répondants ont révélé une valeur d'utilité réduite lorsque des tests établis sur l'IA étaient utilisés (évaluée en moyenne à 36,08 €, IC [22,13 € ; 50,89 €]) et lorsque les résultats étaient communiqués par une entreprise privée (95,15 €, IC [82,01 € ; 109,82 €]). Nous interprétons ces chiffres comme le prix fictif que le public attache à la confidentialité des données médicales. Au-delà de la monétisation, notre échantillon représentatif de la population française semble réticent à adopter le dépistage assisté par l'IA, en particulier lorsqu'il est effectué sur de grands ensembles de données personnelles. En revanche, ils seraient plus favorables lorsque l'expertise médicale est associée aux tests.

Introduction

Les maladies neurodégénératives (ci-après dénommées MND) sont caractérisées par la dégénérescence progressive de la structure et de la fonction du système nerveux central, provoquant un handicap physique et cognitif . Les MND touchent un large groupe de patients, englobant diverses maladies qui incluent la maladie d'Alzheimer (MA), la maladie de Parkinson (MP), la maladie de Huntington (MH) et la sclérose latérale amyotrophique (SLA). La MA et la MP sont les première et deuxième MND les plus courantes dans le monde . Le facteur de risque le plus évident pour le développement de ces maladies est le vieillissement, et avec l'augmentation de l'âge moyen de la population, la prévalence des MND augmente remarquablement, touchant actuellement environ 15 % de la population mondiale. Cette augmentation, combinée au manque de traitements efficaces, entraîne un fardeau énorme pour les patients et leurs soignants ⁶ainsi que pour les systèmes de santé, tant en termes de coûts directs qu'indirects. L'un des moyens identifiés pour améliorer les résultats des patients et réduire le fardeau économique sur les systèmes de santé et la société est de diagnostiquer les DND plus tôt dans la vie du patient. Il a été suggéré qu'une détection plus précoce (même si elle est imparfaite, avec une sensibilité et une spécificité < 100 %) peut aider les patients à planifier leur avenir, à atteindre une meilleure qualité de vie et à accéder aux essais cliniques et aux éventuels futurs traitements modificateurs de la maladie.

Grâce aux progrès récents de l'intelligence artificielle (IA), les approches informatiques ciblant le diagnostic et la surveillance peuvent apporter une aide significative ^{,https://doi.org/10.1007/s12559-023-10153-4 (2023)." data-track="click" data-track-action="reference anchor" data-track-label="link" data-test="citation-ref"}. Les tests de diagnostic précoce basés sur l'IA, utilisant des données génétiques, des données d'imagerie et des données cliniques telles que celles obtenues dans les pratiques de soins primaires, ont le potentiel de changer la façon dont nous diagnostiquons et gérons les DND. Le diagnostic basé sur l'IA vise à identifier les patients à risque de développer des DND avant l'apparition des symptômes et a le potentiel de changer la façon dont les praticiens gèrent les DND ¹. Cela permettrait une intervention plus précoce, ce qui peut potentiellement améliorer les résultats pour les patients . Le diagnostic basé sur l'IA peut traiter de grandes quantités de données rapidement et avec précision, réduisant ainsi le besoin de tests coûteux et chronophages. ^{https://doi.org/10.3390/healthcare10122493 (2022)." data-track="click" data-track-action="reference anchor" data-track-label="link" data-test="citation-ref" aria-label="Référence 31">31}

De plus, comme il a été démontré que la télémédecine améliore l'accès aux soins dans la MA et la MP , le diagnostic basé sur l'IA peut également aider à combler les disparités dans l'accès aux soins et au diagnostic en réduisant le recours à une expertise spécialisée . Même en l'absence d'options de traitement hautement efficaces, les tests prédictifs pour les TND peuvent être utiles pour aider les patients et les familles à se préparer aux décisions qui devront être prises à l'avenir, y compris la planification préalable des soins. Cependant, le succès de ces tests dépendra d'abord de la volonté des individus à les adopter et à les utiliser. Un article récent a montré que la population générale se méfie principalement de l'IA en médecine.

Dans ce contexte de sous-utilisation des outils de détection précoce des troubles neurodéveloppementaux (TND), nous cherchons à étudier les facteurs influençant l'évaluation individuelle des outils de prédiction établis sur l'IA.

L'objectif est de mesurer la faisabilité de l'adoption du test NDDs-AI au sein de la population générale, à partir d'un échantillon national représentatif potentiellement ciblé par ces tests. La suite de l'article présente les méthodes d'enquête, les résultats et une discussion.

RESUME GENERATIF/IA

Cette étude examine l'hésitation du public français à adopter des outils de détection établis sur l'intelligence artificielle pour les maladies neurodégénératives.

Contexte et objectif de l'étude

Les avancées récentes en intelligence artificielle (IA) permettent une détection précoce des maladies neurodégénératives (MND), ce qui pourrait améliorer les résultats pour les patients.

Malgré ces avancées, les outils de détection établis sur l'IA restent sous-utilisés.

L'objectif de cette recherche est d'évaluer la valorisation individuelle des tests de diagnostic précoce pour les MND à travers une expérience de choix discret (DCE) impliquant un échantillon représentatif de la population adulte française (N = 1017).

Méthodologie de l'étude

Les participants ont été invités à choisir entre différents tests de diagnostic précoce, variant selon cinq attributs : type de test (salive vs. IA), identité de la personne communiquant les résultats, sensibilité, spécificité et prix.

Les résultats ont montré une valeur d'utilité réduite pour les tests établis sur l'IA, évaluée à une moyenne de 36,08 € en moins par rapport aux tests biologiques.

Une analyse des caractéristiques sociodémographiques a été effectuée pour comprendre leur influence sur les préférences des participants.

Résultats principaux

Les résultats indiquent une aversion générale envers les tests de détection établis sur l'IA, en particulier lorsque les résultats sont communiqués par une entreprise privée.

Les participants sont prêts à payer davantage pour que les résultats soient interprétés par leur médecin de famille plutôt que, par la Sécurité sociale ou par une entreprise privée.

La sensibilité et la spécificité des tests sont des attributs essentiels, les participants étant disposés à payer pour des améliorations dans ces domaines.

Préférences et hésitations du public

Les résultats révèlent que la population française est préoccupée par la confidentialité des données médicales, ce qui constitue un obstacle majeur à l'adoption des tests établis sur l'IA.

Les participants montrent une préférence marquée pour les tests biologiques par rapport aux tests établis sur l'IA, soulignant la nécessité d'une meilleure garantie de confidentialité et d'une utilisation éthique des données médicales.

Les résultats suggèrent que l'acceptabilité des tests pourrait être améliorée si ceux-ci étaient interprétés par des médecins généralistes et si ceux-ci étaient proposés à un prix abordable.

Implications et conclusions

L'étude souligne l'importance de la perception du public concernant la confidentialité des données et la confiance dans les professionnels de santé pour interpréter les résultats.

Pour favoriser l'adoption des outils de détection établis sur l'IA, il est crucial que les autorités publiques garantissent la protection des données personnelles et établissent des réglementations explicites sur l'utilisation des informations médicales.

Les résultats de cette recherche peuvent informer les politiques de santé publique et les stratégies de communication autour de l'utilisation de l'IA dans le diagnostic des MND.

Les risques liés à la diffusion de l’IA peuvent être regroupés en trois grandes catégories
https://www.cmvrh.developpement-durable.gouv.fr/l-intelligence-artificielle-meme-pas-peur-a4528.html

SYNTHÈSES
Cet article de recherche explore la réticence du public français à adopter des outils de dépistage précoce des maladies neurodégénératives (MND) établis sur l'intelligence artificielle (IA), malgré leur potentiel pour améliorer les diagnostics. Les auteurs ont mené une expérience de choix discret auprès d'un échantillon représentatif de la population française pour évaluer les préférences des individus concernant différents attributs de tests, tels que le type de test (salivaire vs. IA), la personne communiquant les résultats, la sensibilité, la spécificité et le prix. Les résultats indiquent une valeur d’utilité réduite lorsque le test implique l'IA et surtout lorsque les résultats sont communiqués par une entreprise privée, suggérant de fortes préoccupations concernant la confidentialité des données médicales. L'étude conclut que, pour accroître l'adoption de ces technologies, les autorités doivent garantir la confidentialité et associer l'expertise du médecin de famille à l'interprétation des résultats. NoteBookKLM

Commentaire
L'étude souligne l'importance de la perception du public concernant la confidentialité des données et la confiance dans les professionnels de santé pour interpréter les résultats. L'éthique est toujours au premier plan de l'IA avec raison. Tout ce qui concerne la médecine doit être soumis à des règles très strictes en matière d'éthique, de confidentialité, de partage, de déontologie médicale, d'humanité et de la présence du médecin. De plus, halte à la désinformation vis-à-vis de l'IA, on entend tout et son contraire, c'est très grave. L'IA, répétons-le est un outil pour la médecine. Le nouveau couple IA/médecin sera très performant pour le plus grand bien des patients. Mais, attention, c'est le médecin qui décide !