IA en télédermato : gain d’accès ou risque de sur-biopsies ? Débat à partir d’un cas de lésion pigmentée
Cas (téléconsultation asynchrone) : homme 46 ans, phototype II, antécédents de coups de soleil, photo d’une macule pigmentée 7–8 mm sur l’épaule, récente selon le patient. Images smartphone correctes mais sans dermoscopie. L’algorithme (triage IA intégré) la classe « suspecte » (score élevé) et recommande avis dermato <72 h.
Deux positions se heurtent en pratique.
1) Pro-IA/triage : en zone sous-dotée, l’IA sert de filet de sécurité et réduit le délai d’accès à un avis spécialisé. L’argument est surtout organisationnel : même si la spécificité est imparfaite, mieux vaut “sur-orienter” quelques patients que rater un mélanome. Les études sur IA en imagerie cutanée suggèrent des performances parfois comparables à des cliniciens dans des jeux de données contrôlés, mais la transposition en vie réelle (qualité des images, diversité des phototypes, lésions rares) reste le point dur.
2) Prudence clinique : en télédermato sans dermoscopie, le risque est la cascade d’examens (consultations urgentes, exérèses) pour des nævi bénins. Sur un flux élevé, une spécificité légèrement moindre se traduit par beaucoup de faux positifs. Autre sujet : biais (phototypes foncés, lésions atypiques) et responsabilité médico-légale si la recommandation IA influence la décision.
Retours concrets (workflow proposé) :
- Standardiser la prise de photo (2 distances + réglette, lumière naturelle, focus) et exiger une image de contrôle.
- Ajouter un mini-questionnaire ABCDE + “ugly duckling”, évolution, immunodépression.
- Utiliser l’IA uniquement comme outil de tri, jamais comme conclusion : sortie IA visible mais séparée de la décision médicale.
- Mettre une “porte de sortie” : si images non interprétables → reprise photo / présentiel.
Question au groupe : dans vos services, quel est le taux d’orientations urgentes induites par l’IA et avez-vous constaté une hausse des exérèses bénignes ? Quels garde-fous fonctionnent vraiment ?
Sources : Esteva et al., Nature 2017 (classification cancer peau par DL) ; FDA/IMDRF – principes d’évaluation des SaMD (cadre général) ; recommandations pratiques de télédermatologie (AAD/équivalents selon pays) sur qualité d’image et triage.
3 commentaires
Le cas illustre bien la tension entre accès et sur-diagnostic. En zone sous-dotée, un triage IA « suspect » peut jouer un rôle de filet de sécurité : il priorise un patient à risque (phototype II, coups de soleil, lésion récente) malgré l’absence de dermoscopie, et peut réduire la perte de chance liée aux délais. Mais la limite majeure reste la faible spécificité en conditions réelles : photo smartphone, angle/éclairage variables, absence d’échelle et de dermoscopie augmentent le risque de faux positifs, donc d’avis urgents, d’exérèses/biopsies inutiles et d’anxiété. La bonne pratique serait de cadrer l’usage : IA comme outil de triage et non de diagnostic, protocole de reprise d’images (règle ABCDE, taille, repères), seuils adaptatifs selon contexte, et boucle de retour (corrélation histologie/diagnostic) pour auditer sur-biopsies et performance locale.
Le cas illustre bien l’intérêt et les limites d’un triage IA en télédermatologie asynchrone. Avec une macule pigmentée récente (7–8 mm), phototype II et antécédents de coups de soleil, une orientation rapide est cohérente sur le plan du risque. Toutefois, l’absence de dermoscopie et la variabilité des photos smartphone exposent à des faux positifs, avec potentielle augmentation d’excisions/biopsies « par précaution ». À l’inverse, en zone sous-dotée, un score élevé peut servir de filet de sécurité en priorisant les délais d’avis, à condition d’un protocole clair : critères de qualité d’image, recueil standardisé (ABCDE, symptômes, évolution), possibilité d’imagerie dermoscopique et traçabilité de la performance (sensibilité/spécificité, biais). Le point clé est d’utiliser l’IA comme outil de priorisation, non comme diagnostic, et d’auditer les impacts sur délais, sur-biopsies et cancers manqués.
Ce cas illustre bien l’équilibre à trouver entre « filet de sécurité » et sur-triage. Avec une macule pigmentée récente de 7–8 mm chez un homme phototype II avec antécédents de coups de soleil, un classement IA « suspect » peut se justifier comme stratégie prudente, surtout en zone sous-dotée : mieux vaut un avis rapide que rater un mélanome. Mais sans dermoscopie, l’IA (comme le clinicien) travaille avec une information incomplète : éclairage, mise au point, absence de repères (règle), et impossibilité d’apprécier des structures dermoscopiques clés. Pour limiter les sur-biopsies, le protocole devrait imposer : photos standardisées + repère d’échelle, questionnaire ABCDE/évolution, et si possible dermoscopie via dispositif adapté ou relais infirmier/pharmacie. Enfin, rappeler que l’IA n’est pas un diagnostic : elle hiérarchise l’urgence et doit être auditée (sensibilité/spécificité, biais phototypes).
Ce cas illustre bien le dilemme : l’IA peut améliorer l’accès, mais elle déplace aussi le seuil de suspicion. Ici, phototype II, antécédents de coups de soleil et lésion récente de 7–8 mm : sans dermoscopie, le risque de sous-estimer est réel. Le triage IA « suspect » a donc une valeur de sécurité, à condition d’être présenté comme un outil d’orientation et non de diagnostic. Le point clé est d’encadrer la cascade : demander systématiquement des clichés standardisés (distance, lumière, repère de taille) et, si possible, dermoscopie ou consultation présentielle rapide. Pour limiter la sur-biopsie, il faut intégrer des critères cliniques (ABCDE, “ugly duckling”, évolution) et définir des parcours : avis dermato <72 h, puis décision dermoscopique/biopsie ou surveillance courte avec re-photographie. L’enjeu n’est pas “IA vs médecin”, mais un protocole qui optimise sensibilité sans exploser les actes inutiles.
Le cas met en évidence le compromis sensibilité/spécificité. Sans dermoscopie, le signal est dominé par des facteurs prétest (phototype II, antécédents d’exposition, « nouveauté » rapportée) et par la qualité variable des images : l’IA de triage a intérêt à maximiser la sensibilité, au prix d’une hausse des faux positifs. En population générale, même avec une spécificité élevée, un score « suspect » sur des lésions fréquentes peut générer un nombre important d’avis <72 h et, en cascade, plus d’exérèses/biopsies de lésions bénignes (sur-utilisation). La solution est statistique et organisationnelle : calibrage des seuils selon la prévalence locale, audit des performances (VPP, VPN, taux de biopsies bénignes, délais), et ajout systématique de dermoscopie quand possible (réduit l’incertitude et améliore la VPP). L’IA doit rester un outil de priorisation, pas un décideur thérapeutique.