Les biais de l’IA de Stanford pour le cancer de la peau montrent qui les algorithmes laissent de côté

Les recherches de Stanford sur les biais de l’IA pour le cancer de la peau ont révélé un conflit sérieux derrière des années d’affirmations impressionnantes sur la précision. Les algorithmes peuvent bien identifier les lésions malignes dans des tests sélectionnés, mais leurs performances diminuent chez les patients à la peau plus foncée ou atteints de pathologies rares.

Cette fracture remet en cause la promesse la plus séduisante du dépistage cutané automatisé. L’IA devrait élargir l’accès à l’expertise de spécialistes, notamment là où les dermatologues sont rares. Or, les personnes qui pourraient en tirer le plus grand bénéfice risquent de recevoir les prédictions les moins fiables.

Les systèmes plus récents tentent de combler cet écart grâce à de meilleurs jeux de données, à l’analyse structurelle des images et à un entraînement tenant compte de l’équité. Cependant, les données récentes distinguent toujours les performances en laboratoire d’un usage clinique sûr. La compétition n’oppose plus l’IA aux dermatologues. Elle oppose la précision mise en avant dans les titres à une performance fiable pour les patients qui utiliseront réellement cette technologie.

Les biais de l’IA pour le cancer de la peau ont survécu à l’essor de la précision

L’IA est devenue plus performante pour classer les lésions cutanées familières avant que les chercheurs ne démontrent qu’elle fonctionnait aussi bien pour toutes les carnations.

L’essor moderne de l’IA en dermatologie remonte aux classificateurs d’images entraînés sur de vastes collections de photographies de lésions annotées. Ces systèmes apprennent des schémas statistiques reliant les pixels aux diagnostics. Lors de comparaisons contrôlées, certains ont obtenu des résultats proches de ceux de dermatologues expérimentés.

Cette avancée comptait, car l’évaluation cutanée commence par une tâche visuelle. Un patient ou un clinicien remarque une tache suspecte, puis en évalue la forme, la couleur, les contours et l’évolution au fil du temps. Un modèle capable de reconnaître des motifs préoccupants pourrait aider à prioriser les orientations ou soutenir les cliniciens sans formation spécialisée.

Pourtant, le score global d’un algorithme peut dissimuler les personnes présentes dans ses données de test. De nombreuses collections d’images influentes comportent beaucoup plus d’exemples de patients à la peau claire que de patients à la peau foncée. Plusieurs mettent également l’accent sur des pathologies courantes et des lésions capturées dans de bonnes conditions.

Le modèle reçoit donc sa formation la plus solide sur les cas les plus représentés. Une forte précision globale peut coexister avec de faibles performances dans un groupe démographique plus restreint. Cette limite devient facile à ignorer lorsque les chercheurs publient un seul score pour l’ensemble des données de test.

Une équipe dirigée par Stanford a mis le problème en évidence en créant le jeu de données Diverse Dermatology Images, ou DDI. Il contient 656 photographies de lésions confirmées par anatomopathologie, l’examen en laboratoire de tissus issus d’une biopsie.

La collection comprend 208 images de personnes présentant des phototypes Fitzpatrick I et II, 241 de types III et IV, et 207 de types V et VI. Les types Fitzpatrick décrivent la manière dont la peau réagit à l’exposition aux ultraviolets, bien que les chercheurs reconnaissent de plus en plus que cette échelle est un indicateur imparfait de la carnation.

L’équipe a testé des systèmes établis sur cette référence délibérément diversifiée. Son étude d’images cliniques a mis en évidence des limites importantes pour les peaux foncées et les maladies rares. Les dermatologues ayant fourni des annotations pour les jeux de données d’IA obtenaient eux aussi de moins bons résultats sur ces cas plus difficiles.

Cette conclusion ne signifiait pas que tous les modèles échouaient pour tous les patients à la peau plus foncée. Elle montrait que la performance moyenne constituait une affirmation de sécurité incomplète. Un modèle pouvait sembler performant sur une référence familière tout en perdant en fiabilité lorsque la population de patients changeait.

Les chercheurs ont également identifié une voie pratique vers l’amélioration. L’ajustement fin des modèles à partir d’images diverses confirmées par anatomopathologie a réduit l’écart de performance entre les groupes à peau claire et à peau foncée. Une meilleure représentation a modifié les résultats parce que les données d’entraînement déterminent les schémas qu’un modèle apprend.

C’est le renversement central dans l’histoire de l’IA pour le cancer de la peau. Les progrès de la technologie en reconnaissance d’images sont réels, mais l’étroitesse des preuves soutenant nombre d’entre eux l’est aussi. Un système peut devenir excellent sur une référence sans devenir fiable pour tout le monde.

Les patients qui ont le plus besoin d’un accès élargi font face aux preuves les plus faibles

L’écart d’équité est le plus déterminant là où l’IA est présentée comme un substitut à un accès insuffisant aux spécialistes.

Des chercheurs ont estimé qu’environ 3 milliards de personnes n’ont pas un accès adéquat aux soins dermatologiques. La géographie, le coût, le manque de cliniciens et les retards d’orientation contribuent tous à cette insuffisance.

Le dépistage automatisé semble adapté à ce problème. Un clinicien de soins primaires pourrait photographier une lésion et recevoir une évaluation du risque. Un service de télésanté pourrait prioriser les cas suspects. Une application destinée aux patients pourrait recommander une consultation professionnelle lorsqu’une tache semble préoccupante.

Ces scénarios déplacent également le modèle au-delà de l’environnement dans lequel il a été développé. L’éclairage varie, les appareils photo des smartphones traitent les couleurs différemment et les patients cadrent les lésions de manière inégale. La prévalence des maladies change entre les cliniques spécialisées, les soins primaires et le dépistage communautaire.

La carnation n’est qu’un élément de cette évolution. La combinaison de maladies compte également. Un modèle principalement entraîné à distinguer des grains de beauté bénins courants du mélanome peut peiner face à des affections inflammatoires, des infections ou des tumeurs rares.

Une prépublication de septembre 2026 a étudié cette distinction en comparant la représentation des carnations aux changements de répartition des maladies. Les chercheurs ont évalué un système entraîné sur le cancer, deux modèles fondamentaux de dermatologie et un modèle de vision à usage général.

Leur analyse de généralisation soutient que la carnation et la prévalence des maladies sont souvent confondues. Un modèle déployé auprès d’une population défavorisée peut rencontrer à la fois des peaux plus foncées et une collection différente de pathologies.

C’est important, car ajouter des carnations diverses à un jeu de données sur le cancer par ailleurs restreint ne résout pas tous les problèmes de déploiement. Le modèle doit aussi reconnaître les maladies présentes dans son environnement cible. Sinon, une intervention en faveur de l’équité peut améliorer une référence tout en laissant intacte une défaillance plus large de généralisation.

Les patients à la peau plus foncée font déjà face à des inégalités diagnostiques établies. Certains cancers de la peau sont moins fréquents dans ces populations, mais une incidence plus faible n’élimine pas le risque. Une détection tardive peut entraîner de moins bons résultats lorsque des lésions dangereuses passent inaperçues.

Les lésions peuvent aussi apparaître différemment selon la pigmentation cutanée de fond. Les rougeurs, l’inflammation et les variations de couleur peuvent être moins visibles sur les peaux foncées. Un modèle entraîné principalement sur des peaux claires peut apprendre des contrastes qui ne se transfèrent pas de manière constante.

Les pratiques de collecte d’images ajoutent une autre complication. Les images dermoscopiques utilisent un instrument grossissant avec un éclairage contrôlé, tandis que les photographies cliniques ordinaires comportent davantage de variations d’arrière-plan. Un système entraîné sur un format ne peut pas automatiquement être considéré comme fiable sur l’autre.

La pression s’exerce donc sur les hôpitaux, les développeurs d’applications, les fabricants d’appareils et les régulateurs. Ils doivent établir où un modèle fonctionne, quels patients ont été évalués et ce qui se passe lorsque son niveau de confiance est faible.

Un seul chiffre de sensibilité ne peut répondre à ces questions. Les acheteurs ont besoin de performances ventilées par carnation, maladie, appareil d’imagerie, contexte de soins et facteurs démographiques pertinents. Ils ont également besoin d’estimations d’incertitude et de procédures en cas d’échec.

Sans ces preuves, un accès plus large peut reproduire les inégalités d’accès sous une nouvelle forme. Davantage de personnes peuvent accéder à un algorithme, mais toutes ne reçoivent pas une évaluation aussi fiable.

De meilleures données d’entraînement aident, mais la représentation n’est pas une case à cocher

Le remède le plus direct consiste à disposer de données cliniques plus représentatives, même s’il est plus difficile de les collecter correctement que d’ajouter des images dans un dossier.

Les résultats de DDI offrent un signal encourageant. Les modèles se sont améliorés après que les chercheurs les ont ajustés finement sur des cas diversifiés, confirmés par anatomopathologie. Cela suggère que l’écart observé n’est pas une propriété inévitable de la vision par ordinateur.

La confirmation anatomopathologique est importante, car l’apparence seule ne fournit pas un diagnostic définitif de cancer. Une biopsie apporte une étiquette de référence plus solide qu’une légende en ligne ou un consensus visuel.

De mauvaises étiquettes peuvent entraîner un modèle à reproduire l’incertitude humaine. Dans un audit évoqué dans les travaux de Stanford, des spécialistes ont examiné un sous-ensemble d’images provenant d’un atlas public. Seules 69 % semblaient correspondre au diagnostic attribué.

Un jeu de données plus vaste n’est pas nécessairement meilleur lorsque ses étiquettes ne sont pas fiables. Des images répétées, des diagnostics incohérents, des marquages cliniques et une qualité d’image inégale peuvent tous créer des signaux trompeurs.

Prenons une image où un clinicien a dessiné un cercle autour de la lésion suspecte. Un classificateur peut associer ce marquage au cancer au lieu d’apprendre la biologie de la lésion. Il peut obtenir de bons résultats lorsque des marquages similaires apparaissent lors des tests, puis échouer sur une photographie non marquée.

Les données représentatives doivent couvrir plus que la carnation. Elles devraient inclure les localisations anatomiques, l’âge des patients, les types d’appareils photo, les contextes cliniques, les stades de la maladie et les affections bénignes qui ressemblent à un cancer. Chaque variable peut influer sur les performances.

Les chercheurs ont également besoin d’une méthode défendable pour décrire la carnation. L’échelle de Fitzpatrick a été conçue autour de la réaction au soleil, et non pour l’équité en vision par ordinateur. Son attribution rétrospective à partir de photographies ou de dossiers peut introduire des divergences.

Une étude prospective de 2025 a comparé des méthodes d’annotation de jeux de données dermatologiques. Elle a conclu que l’échelle Monk Skin Tone capturait certaines différences dans les scores de mélanome de l’IA plus efficacement que les catégories Fitzpatrick. Cette évaluation de la carnation renforce une leçon fondamentale : la mesure utilisée pour auditer les biais peut façonner les biais que les chercheurs observent.

L’approvisionnement en données soulève d’autres questions. Les images provenant d’un seul centre universitaire peuvent refléter les habitudes locales d’orientation et de photographie. Elles peuvent améliorer la diversité tout en restant géographiquement limitées.

Une collecte multicentrique offre une meilleure couverture, mais rend la standardisation plus difficile. Les appareils photo, les seuils de biopsie, les systèmes de dossiers et les pratiques d’annotation diffèrent. Les exigences en matière de confidentialité peuvent également limiter le partage des images cliniques.

Les images synthétiques sont apparues comme une autre solution proposée. Les modèles génératifs peuvent modifier la pigmentation ou créer de nouveaux exemples de lésions, offrant un moyen plus rapide d’équilibrer un jeu de données.

Cependant, la diversité synthétique n’est pas la même chose que la diversité clinique. Un générateur apprend à partir d’images existantes et peut préserver leurs biais cachés. Il peut aussi produire des combinaisons médicalement peu plausibles ou donner l’impression qu’une lésion a été collée sur un arrière-plan différent.

Les exemples synthétiques peuvent soutenir l’augmentation de données, c’est-à-dire l’ajout de variations contrôlées pendant l’entraînement. Ils ne devraient pas remplacer des cas réels et confirmés issus des populations dans lesquelles un système sera utilisé.

La stratégie de données la plus solide combine un recrutement représentatif, des étiquettes cliniquement significatives, une confirmation anatomopathologique lorsque cela est approprié et des tests externes. Elle traite la diversité comme une composante de la conception de l’étude plutôt que comme un audit final.

Cette approche coûte plus cher et progresse plus lentement que l’extraction d’images publiques. Elle produit aussi des preuves que les hôpitaux et les patients peuvent interpréter.

Les nouveaux modèles apprennent à voir la structure, pas seulement la couleur

Une réponse technique prometteuse réduit la dépendance du modèle à la couleur tout en préservant les indices visuels dont les cliniciens ont besoin.

Les lésions cutanées contiennent des informations structurelles dans leurs contours, leur asymétrie, leur texture et leurs motifs internes. La couleur demeure pertinente sur le plan clinique, mais un algorithme qui dépend trop fortement du contraste chromatique peut devenir sensible à la pigmentation cutanée de fond.

Une étude de juillet 2026 a proposé un système guidé par croquis conçu pour équilibrer ces signaux. La méthode combine des images rouges, vertes et bleues ordinaires avec des croquis structurels générés automatiquement.

Des encodeurs distincts traitent l’image couleur et son croquis. Un composant de fusion par portes décide ensuite de la quantité d’informations à tirer de chaque représentation. La distillation de caractéristiques encourage la voie couleur à s’aligner sur les motifs structurels sans écarter les indices chromatiques utiles.

Les chercheurs ont évalué l’approche avec Fitzpatrick17k et DDI. Ils l’ont également testée sur des sources d’images distinctes afin de mesurer les performances hors de sa distribution d’entraînement principale.

Leur modèle axé sur l’équité a montré des disparités mesurées plus faibles que les méthodes de référence tout en conservant des scores d’exactitude et de F1 compétitifs. Les résultats DDI ont également montré moins de variation entre les groupes de teintes de peau.

Une expérience aide à expliquer le mécanisme. Un classificateur a prédit le type Fitzpatrick avec une exactitude de 42,7 pour cent à partir d’images couleur. Cette exactitude est tombée à 32,3 pour cent avec les croquis, ce qui suggère que la représentation structurelle supprimait une partie des informations relatives à la teinte de peau.

La représentation combinée permettait toujours une exactitude de 39,2 pour cent. Le modèle a réduit l’encodage de la teinte de peau sans l’éliminer.

Cet équilibre est important. Supprimer tous les signaux associés à la teinte de peau n’est pas nécessairement sûr, car la pigmentation peut contenir des informations médicalement pertinentes. L’objectif est d’empêcher une dépendance non pertinente, et non de rendre le système aveugle aux caractéristiques des patients.

La technique évite également d’exiger une étiquette de teinte de peau pour chaque image d’entraînement. Cela peut aider lorsque les jeux de données contiennent des diagnostics et des photographies, mais manquent d’annotations démographiques cohérentes.

Les auteurs décrivent néanmoins leurs résultats avec prudence. Le générateur de croquis a été entraîné sur des images naturelles plutôt que sur des images dermatologiques. Ses abstractions pourraient varier selon les lésions ou les conditions de prise de vue.

L’étude a utilisé des jeux de données publics désidentifiés et n’a pas mené de nouvel essai clinique prospectif. Une disparité plus faible sur les benchmarks ne démontre pas que le système améliore les résultats pour les patients.

D’autres approches ciblent le même problème sous des angles différents. Les développeurs peuvent rééquilibrer les cas sous-représentés, ajuster les seuils de décision selon une population validée, apprendre des caractéristiques invariantes au domaine ou ajouter des exemples diversifiés lors du réglage fin.

Les modèles fondamentaux offrent une autre voie. Ces systèmes apprennent des représentations générales d’images à partir de grands jeux de données, puis s’adaptent à des tâches cliniques. Un préentraînement plus large peut aider, mais l’échelle seule ne garantit pas une représentation médicale.

Une immense collection d’images à usage général peut encore contenir peu de lésions confirmées par pathologie sur peau foncée. Elle peut aussi encoder des corrélations sociales ou photographiques sans lien avec la maladie.

La comparaison pertinente n’oppose donc pas une ancienne architecture à une nouvelle architecture. Elle oppose un développement fondé sur l’exactitude globale à un développement centré sur la fiabilité par sous-groupe.

Cette dernière approche exige que les ingénieurs définissent les échecs avant le déploiement. Ils doivent déterminer quels écarts entre sous-groupes sont inacceptables, comment l’incertitude déclenche une revue humaine et si les performances restent stables lorsque les conditions d’imagerie changent.

Les cliniques réelles révèlent des risques que les benchmarks ne détectent pas

Un taux élevé de détection du cancer ne fait pas d’un système d’IA un diagnosticien précis ni un substitut sûr à l’examen humain.

Une étude observationnelle prospective de 2026 a suivi un algorithme de détection du cancer de la peau au cours de ses trois premiers mois dans un service de dermatologie tertiaire du nord-ouest de l’Angleterre. L’évaluation incluait toutes les lésions examinées par le système.

L’algorithme a atteint une sensibilité de 95,3 pour cent, c’est-à-dire la proportion de cancers qu’il a correctement signalés. Les dermatologues ont atteint une sensibilité de 88,5 pour cent dans la comparaison.

Ce résultat paraît décisif jusqu’à l’apparition des autres mesures. La valeur prédictive positive du système était de 46,5 pour cent, contre 62,1 pour cent pour les dermatologues. La valeur prédictive positive décrit la fréquence à laquelle un résultat positif est réellement correct.

L’IA a identifié correctement le diagnostic précis dans 28,6 pour cent des cas. Les dermatologues l’ont fait dans 61,6 pour cent des cas. L’algorithme a identifié le bon type de tumeur ou de lésion dans 51,4 pour cent des cas, contre 75,5 pour cent pour les dermatologues.

Plus préoccupant encore, quatre cancers figuraient parmi les lésions que le système avait classées comme bénignes. Ces patients auraient quitté le parcours de soins sans examen humain dans le cadre du parcours évalué.

L’évaluation en conditions réelles a conclu qu’il serait prématuré de supprimer la validation humaine. Elle a également mis en garde contre le biais d’automatisation, soit la tendance à accepter trop facilement une recommandation de machine.

La sensibilité reste précieuse. Un outil de dépistage devrait manquer le moins de cancers possible. Toutefois, les faux positifs peuvent entraîner des orientations, biopsies, anxiété et charge de travail clinique inutiles.

Les faux négatifs présentent un autre danger. Un résultat rassurant peut retarder une évaluation, notamment lorsque les patients pensent que le logiciel a posé un diagnostic plutôt qu’effectué une évaluation préliminaire des risques.

Cette distinction devrait orienter le langage produit. « Détecte le cancer de la peau » implique une certitude diagnostique. « Aide au triage des lésions suspectes » décrit une tâche plus étroite, dans laquelle une décision humaine reste impliquée.

Les conditions de déploiement déterminent si cette aide est bénéfique. Un spécialiste peut immédiatement reconnaître un résultat invraisemblable. Un patient utilisant une application téléphonique peut ne pas savoir quand la qualité de l’image est insuffisante ou quand le modèle sort de son périmètre validé.

Le contexte clinique inclut aussi des informations absentes d’une photographie. Les dermatologues prennent en compte l’historique de la lésion, les symptômes, la localisation anatomique, les antécédents familiaux, les médicaments, le statut immunitaire et les évolutions au fil du temps.

Les modèles peuvent intégrer certaines de ces variables, mais chaque donnée supplémentaire doit être collectée avec précision. Un contexte manquant ou erroné peut modifier une prédiction.

Les performances peuvent également dériver après le lancement. Les appareils photo des téléphones évoluent, les systèmes de compression d’images changent et les populations de patients diffèrent selon les régions. Une étude de validation fixe ne peut garantir indéfiniment un comportement stable.

L’autorisation réglementaire constitue un point de contrôle nécessaire, mais elle ne vaut pas approbation universelle de chaque usage. La FDA indique que les dispositifs d’IA répertoriés ont satisfait aux exigences préalables à la commercialisation applicables à leurs usages prévus. Sa liste de dispositifs médicaux précise également que cette ressource n’est pas exhaustive.

L’usage prévu est l’expression clé. Les preuves en faveur d’une aide à la décision pour les cliniciens ne justifient pas automatiquement un diagnostic direct au consommateur. Les preuves issues de la dermoscopie ne se transfèrent pas automatiquement à un appareil photo de téléphone ordinaire.

Les hôpitaux envisageant ces systèmes devraient demander des résultats par sous-groupe et une validation locale. Ils devraient aussi surveiller les cancers manqués, le volume d’orientations, les comportements de dérogation et les résultats après le déploiement.

Les développeurs doivent divulguer les règles d’abstention, c’est-à-dire les situations dans lesquelles le modèle refuse de classer un cas. Un refus sûr peut être plus utile qu’une réponse assurée fondée sur des données inconnues.

Les patients devraient considérer toute lésion préoccupante ou évolutive comme un motif de consulter un professionnel, quel que soit le résultat d’une application. La sortie de l’IA ne devrait pas remplacer une biopsie ou une évaluation clinique.

Trois signaux montreront si l’écart se réduit

Les progrès devraient être jugés à l’aune de preuves prospectives, d’un rapport transparent par sous-groupe et de flux de travail qui maintiennent la responsabilité humaine.

Le premier signal est une validation prospective multicentrique comptant suffisamment de participants à la peau plus foncée pour étayer des conclusions significatives. Une étude ne peut établir l’équité lorsqu’un sous-groupe contient trop peu de cancers pour fournir des estimations stables.

Les chercheurs devraient publier la sensibilité, la spécificité, les valeurs prédictives et la calibration pour chaque groupe pertinent. La calibration mesure si le risque prédit correspond à la fréquence de la maladie réelle.

Ces résultats devraient couvrir davantage que les catégories Fitzpatrick. Les évaluations doivent inclure le type de maladie, la méthode d’imagerie, l’âge, le sexe, le site anatomique et le contexte de soins lorsque la taille des échantillons le permet.

Si les études prospectives maintiennent de solides performances dans l’ensemble de ces groupes, les arguments en faveur de l’adoption clinique se renforceront. Si des écarts réapparaissent hors de jeux de données sélectionnés, les récentes améliorations des benchmarks sembleront moins transférables.

Le deuxième signal est la transparence des produits et de la réglementation. Les développeurs devraient préciser l’utilisateur visé, les appareils photo pris en charge, les conditions exclues, la population d’entraînement, la population de validation et les exigences de revue humaine.

Un chiffre d’exactitude global ne devrait jamais se substituer à ces informations. Les hôpitaux ont besoin de suffisamment de détails pour déterminer si leurs patients ressemblent à la population évaluée.

Les résumés publics devraient aussi expliquer les mises à jour du modèle. Une modification des données d’entraînement, de l’architecture ou du seuil de décision peut affecter les performances des sous-groupes. Chaque mise à jour importante nécessite une validation proportionnée à son effet clinique.

Un étiquetage clair affaiblirait les affirmations exagérées tout en renforçant les systèmes crédibles. Il aiderait les acheteurs à distinguer un outil clinique autorisé d’une application de bien-être général utilisant un langage marketing similaire.

Le troisième signal est la preuve issue des flux de travail réels. Les chercheurs devraient suivre ce que font les cliniciens après avoir reçu un résultat d’IA, et pas seulement vérifier si la prédiction correspond à la pathologie.

Un système pourrait augmenter la sensibilité tout en générant tellement de fausses alertes que les cliniques seraient submergées. Il pourrait être techniquement performant, mais conduire les cliniciens à ignorer leur propre jugement. Il pourrait améliorer la rapidité des orientations pour un groupe tout en retardant un autre.

Les mesures opérationnelles utiles incluent le délai avant l’examen par un dermatologue, le rendement des biopsies, le taux de cancers manqués, la fréquence des dérogations et les performances après des changements de caméra ou de logiciel. Ces mesures relient l’exactitude algorithmique aux soins aux patients.

La supervision humaine doit également être substantielle. Un clinicien qui ne voit que la conclusion du modèle peut s’y ancrer. Un flux de travail qui préserve une évaluation indépendante avant de révéler le résultat de l’IA peut réduire ce risque.

Le biais de l’IA dans le cancer de la peau devient donc un test pour l’IA médicale dans son ensemble. Le domaine a appris que des moyennes impressionnantes peuvent masquer des performances inégales. Il apprend désormais que les améliorations d’équité sur des jeux de données statiques exigent encore une validation en clinique.

Le résultat encourageant est que l’écart répond à une ingénierie délibérée. Des données diversifiées confirmées par pathologie ont amélioré les modèles antérieurs. Les représentations structurelles ont réduit les disparités mesurées dans des expériences plus récentes. Aucun de ces résultats ne justifie le fatalisme technologique.

Ils ne justifient pas non plus une confiance prématurée. Un algorithme conçu pour améliorer l’accès ne devrait pas transférer l’incertitude sur des patients qui reçoivent déjà moins de soins spécialisés.

La prochaine phase exige une question plus stricte que celle de savoir si l’IA peut égaler un dermatologue sur des images sélectionnées. Les chercheurs et les acheteurs devraient se demander si elle reste fiable selon les teintes de peau, les maladies, les appareils photo et les contextes cliniques.

C’est la norme que les développeurs doivent respecter avant que le dépistage automatisé tienne ses promesses. D’ici là, considérez les évaluations par IA comme une aide à la décision, exigez des preuves par sous-groupe et consultez un professionnel pour les lésions suspectes. La technologie s’améliore dans la détection du cancer, mais son test le plus important consiste à savoir si ces progrès atteignent chaque patient.