Tensions et convergences dans la conception de nouveaux outils d’intelligence artificielle pour l’oncologie : le cas de la radiomique

Résumé Fr En

La radiomique est un domaine récent qui vise à extraire des informations quantitatives d’images médicales et à découvrir des biomarqueurs capables d’affiner la catégorisation des patients et d’améliorer leur prise en charge. En oncologie, des cliniciens sont amenés à côtoyer des scientifiques experts en traitement des images et à collaborer à la conception de nouveaux modèles prédictifs basés sur des méthodes d’intelligence artificielle. Cet article montre comment la technicisation des outils diagnostiques et pronostiques explique à la fois une convergence d’intérêts dans un domaine en vue qui permet une accumulation de capital scientifique et les tensions qui touchent, entre autres, les critères de validation des technologies. Notamment, les métriques de performance utilisées par les chercheurs ne sont pas à même pour les cliniciens de mesurer leur utilité clinique, jugée à l’aune des contextes d’utilisation. Les nouveaux biomarqueurs d’imagerie sont alors passés au crible de diverses normes et leur succès dépend du travail d’articulation entre savoirs médicaux et computationnels.

The emerging field of radiomics aims to extract quantitative information from medical images. This advanced analysis technique seeks to identify specific biomarkers that can improve patient categorization and care. In oncology, clinicians collaborate with experts in image processing to design new predictive models based on artificial intelligence. This article demonstrates how technicizing diagnostic and prognostic tools has led both to a convergence of interests in this new field – that allows for an accumulation of scientific capital – and to tensions affecting, among other things, the criteria involved in the validation of technologies. In particular, the performance metrics used by researchers do not allow clinicians to measure their clinical usefulness, which is judged by the context of use. Therefore, various standards are applied to evaluate these new imaging biomarkers and their success depends on the articulation between medical and computational knowledge.