L’intelligence artificielle (IA) s’est progressivement intégrée dans divers aspects de notre quotidien, notamment dans le domaine de la santé. Cependant, cette omniprésence soulève des enjeux majeurs concernant la fiabilité des données et des informations fournies. Cette étude vise à évaluer la performance de l’IA dans la reconnaissance des cancers cutanés.

Étude transversale de six mois, incluant les patients hospitalisés ou reçus en consultation pour un carcinome basocellulaire (CBC) ou un mélanome confirmés histologiquement. Pour chaque cas, une prédiction diagnostique a été générée par l’IA (ChatGPT) à partir des données suivantes : images de haute résolution, âge, antécédents, durée d’évolution et symptomatologie. Ces prédictions ont été comparées aux diagnostics histologiques ainsi qu’aux hypothèses diagnostiques évoqués par l’équipe médicale.

Au total, 86 cas ont été analysés, répartis en 64 CBC et 22 mélanomes. L’IA a proposé le diagnostic histologique correct en première position dans 53 cas (61,6 %), correspondant à 37 cas de CBC (57,8 %) et 16 cas de mélanome (72,7 %). Le diagnostic correct a été évoqué en deuxième position dans 12 cas (13,9 %) : 9 CBC (14 %) et 3 mélanomes (13,6 %), et en troisième position dans 9 cas (10,4 %) : 8 CBC (12,5 %) et 1 mélanome (4,5 %). Dans 12 cas (13,9 %), soit 10 (15,6 %) CBC et 2 (9 %) mélanomes, l’IA n’a pas évoqué le diagnostic correct. En comparaison, l’équipe médicale a identifié le diagnostic histologique correct en première intention dans 76 cas (88,3 %), répartis en 56 CBC (87,5 %) et 20 mélanomes (91 %). Il a été retenu en deuxième position dans 10 cas (11,6 %) : 8 CBC (12,5 %) et 2 mélanomes (9 %). La performance diagnostique de l’équipe médicale était statistiquement supérieure à celle de l’intelligence artificielle (88,3 vs 61,6 % ; p < 0,001). Au total, 86 cas ont été analysés, répartis en 64 CBC et 22 mélanomes. L’IA a proposé le diagnostic histologique correct en première position dans 53 cas (61,6 %), correspondant à 37 cas de CBC (57,8 %) et 16 cas de mélanome (72,7 %). Le diagnostic correct a été évoqué en deuxième position dans 12 cas (13,9 %) : 9 CBC (14 %) et 3 mélanomes (13,6 %), et en troisième position dans 9 cas (10,4 %) : 8 CBC (12,5 %) et 1 mélanome (4,5 %). Dans 12 cas (13,9 %), soit 10 (15,6 %) CBC et 2 (9 %) mélanomes, l’IA n’a pas évoqué le diagnostic correct. En comparaison, l’équipe médicale a identifié le diagnostic histologique correct en première intention dans 76 cas (88,3 %), répartis en 56 CBC (87,5 %) et 20 mélanomes (91 %). Il a été retenu en deuxième position dans 10 cas (11,6 %) : 8 CBC (12,5 %) et 2 mélanomes (9 %). La performance diagnostique de l’équipe médicale était statistiquement supérieure à celle de l’intelligence artificielle (88,3 vs 61,6 % ; p < 0,001).

L’intelligence artificielle connaît aujourd’hui une utilisation massive dans de nombreux aspects de la vie quotidienne, ce qui soulève la question de sa place en médecine. Toutefois, malgré les progrès considérables réalisés dans ce domaine, elle demeure à l’heure actuelle un outil complémentaire à l’expertise humaine. Nos résultats montrent que, bien que l’IA puisse proposer le diagnostic correct dans une proportion significative de cas, elle ne parvient pas encore à égaler la finesse clinique et la capacité d’analyse contextuelle des médecins. L’une des limites majeures de l’IA actuelle réside dans sa dépendance aux données d’entrée. Elle doit être envisagée comme un outil d’aide et non pas un substitut au raisonnement médical, systématiquement supervisé par un professionnel qualifié. Bien que l’IA ait montré des performances prometteuses dans certains domaines, il reste prématuré de lui attribuer un rôle autonome dans le diagnostic médical. Ainsi, son intégration en dermatologie doit s’envisager avec prudence, les médecins demeurant les acteurs centraux et garants de la qualité et de la sécurité des soins.

Une prise en charge optimale des patients repose avant tout sur l’expertise clinique humaine. L’IA, malgré ses avancées, ne peut intervenir qu’en soutien et sous supervision médicale, sans se substituer à l’intuition et au raisonnement du clinicien.