Des images aux décisions : un parcours de transformation de 11 mois pour une équipe chinoise d'IA médicale

Fin 2025, un article de la plateforme de prépublication arXiv a été publié et a suscité beaucoup d'attention dans le domaine de la communauté des interventions cardiovasculaires.

L'article rapporte qu'un système d'IA médicale dédié, nommé CA-GPT et conçu pour faciliter la prise de décision lors d'interventions coronaires percutanées (ICP), a surpassé un modèle de langage généraliste de grande taille (ChatGPT-5 d'OpenAI) sur dix indicateurs cliniques clés. Dans certains cas, ses performances ont même dépassé celles de jeunes médecins ayant entre un et cinq ans d'expérience.

Pour l'équipe de recherche et développement à l'origine du système, cependant, le document n'était pas la finalité.

Ce qui comptait vraiment, c'était le chemin long, incertain et parfois difficile qui y menait.

Voici l'histoire d'une petite équipe d'IA médicale qui a passé 11 mois à franchir le fossé le plus difficile de l'IA clinique : la distance entre la consultation de l'information et la prise de décision.

Des données OCT aux décisions cliniques

La tomographie par cohérence optique (OCT) est souvent qualifiée de « troisième œil » des cardiologues interventionnels. Une fine fibre optique est introduite dans l'artère coronaire et produit des images haute résolution qui révèlent la morphologie de la plaque et la structure du vaisseau avec une précision extraordinaire.

Depuis plus de dix ans, l'IA est utilisée pour analyser les images OCT du système Vivolight OCT, notamment pour la détection des plaques instables, l'évaluation des lésions calcifiées et l'évaluation fonctionnelle. De nombreuses applications sont déjà intégrées aux flux de travail cliniques.

Mais il manquait un élément fondamental. Les médecins n'ont pas seulement besoin de plus de mesures. Ils ont besoin de décisions claires.

Faut-il implanter un stent ? Quel diamètre ? Quelle longueur ? Cette lésion est-elle traitable en toute sécurité, ou vaut-il mieux reporter l’intervention ?

Entre les données d'imagerie brutes et une réalité médecinLa décision repose sur une lacune cruciale. Aussi précis soit-il, un algorithme ne peut combler cette lacune s'il ne peut la résoudre ; il reste un outil, et non un partenaire clinique.

Combler ce manque est devenu la mission.

« Le dernier kilomètre » est toujours le plus difficile

Début 2024, l'équipe en charge de l'algorithme Vivolight avait une vision claire : transformer des années d'expertise en un système capable de raisonner comme un médecin expérimenté — de manière cohérente, transparente et sous pression.

Ils ont exploré plusieurs pistes : des modèles génériques de grande taille, des intégrations d’API, des pipelines hybrides. Les progrès étaient lents. Chaque tentative semblait prometteuse, mais jamais tout à fait suffisante.

Comme l'a dit un membre de l'équipe :
—« On sentait qu’on approchait de la réponse. Mais à chaque fois, il nous manquait encore un pas. »

Un tournant décisif : il faut arrêter d’entraîner des modèles plus grands.

La percée est survenue début 2025 avec la mise à disposition en open source de DeepSeek, non pas grâce à l'entraînement d'un modèle plus grand, mais en posant une question différente.

Au lieu de construire une autre IA générale, l'équipe a choisi d'ancrer son système dans ce à quoi les cliniciens font déjà confiance : les recommandations d'experts, le consensus de l'industrie, le raisonnement structuré et la logique de décision explicite.

L'idée était simple, mais radicale dans la pratique :

●Laissons des modèles de vision spécialisés jouer le rôle des « yeux ».

●Que les recommandations cliniques et le consensus d’experts constituent le « réservoir de connaissances ».

●Qu'un moteur de raisonnement les relie en un chemin de décision transparent.

Apprendre à la dure — des médecins

Les premières démonstrations furent déconcertantes. Les médecins ne cherchaient pas à comprendre le fonctionnement de l'IA. Ils ne se souciaient ni des instructions ni de l'architecture.

Ils ont posé des questions comme :

●« Quel stent choisiriez-vous ? »

●« Cette lésion est-elle susceptible de faire l’objet d’une intervention ? »

●« Pourquoi ce diamètre et pas celui-là ? »

Lorsque le système répondait par des explications vagues ou un langage générique, la réaction était sans appel : « Ce n’est pas de l’IA. C’est du bruit. » Cette remarque du Dr Zhu (PDG de Vivolight) a été blessante, mais elle a tout éclairci. La véritable intelligence clinique ne consiste pas à paraître intelligent. Il s’agit d’être précis, décisif et responsable.

L'équipe a tout reconstruit, cette fois-ci de manière modulaire. La logique de décision, les étapes de raisonnement et les résultats ont été simplifiés, testés, puis reconstruits à toute vitesse. Les jours se sont confondus avec les nuits. Les itérations se sont succédé.

Finalement, quelque chose a changé.

Le docteur Zhu a examiné le système et a déclaré :
——«D'accord. On dirait vraiment une IA..”

La réalité clinique est le seul véritable critère de référence.

En mai 2025, la première version du système AI-OCT était livrée, moins de trois mois après le lancement du projet. Ce même mois, l'innovation était présentée à l'OCC 2025. À la grande satisfaction de tous, elle se distinguait parmi 48 candidatures et était sélectionnée parmi les cinq projets les plus remarquables. Mais la reconnaissance n'était pas l'objectif ; il s'agissait de valider le système.

Le véritable test a consisté en des essais cliniques. Le système a été testé dans plusieurs hôpitaux, notamment au deuxième hôpital affilié de l'université de médecine de l'armée de l'air (hôpital Tangdu)., L’hôpital Anzhen de l’Université de médecine de la capitale de Pékin, l’hôpital Fuwai de l’Académie chinoise des sciences médicales, l’hôpital Zhongshan affilié à l’Université Fudan et le premier hôpital affilié à l’Université Jiaotong de Xi’an ont participé aux procédures d’intervention coronarienne percutanée en situation réelle. Les retours étaient directs, détaillés et souvent sans concession.

Pourtant, ces retours sont devenus le principal atout du système. Les médecins ont remis en question les hypothèses, corrigé les raisonnements et incité l'IA à être plus claire, plus rigoureuse et plus cohérente. Progressivement, le système a mûri, non pas de manière isolée, mais grâce à un dialogue avec la réalité clinique.