Un développeur crée un analyseur d'IRM de la colonne vertébrale avec Python et Gemini

Dix heures par jour devant l'écran, une douleur chronique au bas du dos et une nouvelle visite chez le neurologue — une histoire familière pour des centaines de milliers de développeurs dans le monde. Mais l'un d'eux a décidé non seulement de supporter cela, mais d'écrire son propre outil pour analyser les images IRM de la colonne vertébrale. Ainsi est né Spine Advisor — une application de bureau en Python qui décode les images médicales en quelques secondes à l'aide du modèle multimodal Gemini 3 Flash.

L'histoire du projet, publiée sur Habr, commence de manière banale et reconnaissable. L'auteur est un programmeur pratiquant qui a ignoré les signaux de son propre corps pendant des années. Lorsque les occasionnels « élancements » se sont transformés en un inconfort constant, les visites chez le médecin sont devenues régulières et, avec elles, s'est accumulée une pile d'images IRM. À chaque fois, le spécialiste consacrait du temps à comparer les résultats, à expliquer la dynamique et à interpréter les conclusions. Le développeur s'est posé une question logique : serait-il possible de décharger au moins une partie de cette routine sur un modèle de langage ?

Il s'avère que c'était possible. Spine Advisor fonctionne comme un journal numérique de la colonne vertébrale avec un assistant IA intégré. L'utilisateur télécharge des images IRM et le modèle multimodal Gemini 3 Flash analyse les images, en mettant en évidence les motifs clés — protusions, hernies, modifications des disques intervertébraux. L'application permet de comparer les résultats au fil du temps, en suivant la progression du traitement d'une visite à l'autre. Essentiellement, c'est un suivi médical personnel qui parle dans un langage compréhensible pour le patient, plutôt que de le laisser seul avec la terminologie impénétrable des rapports radiologiques.

Le choix technique de l'auteur mérite une attention particulière. Gemini 3 Flash est un modèle multimodal relativement nouveau de Google qui fonctionne bien pour l'analyse d'images tout en maintenant une vitesse élevée et des coûts API raisonnables. Pour une application de bureau destinée aux utilisateurs ordinaires, c'est un compromis raisonnable entre la qualité de l'interprétation et le coût. Le choix de Python comme langage principal n'est pas non plus une coïncidence : un riche écosystème de bibliothèques pour travailler avec des images médicales, de pydicom à nibabel, le rend standard de facto en ML médical.

Cependant, le projet soulève des questions qui vont bien au-delà d'une seule application. Nous assistons à la formation d'une nouvelle classe d'outils médicaux — créés non par des sociétés disposant de budgets multimillionnaires pour la certification, mais par les patients eux-mêmes pour résoudre leurs propres problèmes. C'est à la fois inspirant et préoccupant.

D'un côté, les modèles multimodaux ont vraiment atteint un niveau où ils sont capables d'extraire des informations significatives des images médicales. La recherche des deux dernières années montre que les grands modèles de langage sur un certain nombre de tâches radiologiques s'approchent de la précision des médecins internes. De l'autre côté, aucun de ces modèles n'est un dispositif médical certifié, et leurs interprétations ne doivent pas remplacer le diagnostic professionnel.

À juste titre, l'auteur positionne Spine Advisor précisément comme un outil auxiliaire, non comme un remplacement du médecin. L'application aide le patient à se préparer pour une visite, à formuler des questions et à suivre les changements — mais le dernier mot reste celui du spécialiste. C'est une mise en garde importante que les enthousiastes de l'IA médicale oublient souvent. Les régulateurs du monde entier, de la FDA à Roszdravnadzor, n'ont pas encore développé une approche unifiée de tels outils « pour patients », et le statut juridique d'applications similaires reste dans une zone grise.

Néanmoins, la tendance est claire. À mesure que les modèles multimodaux deviennent moins chers et plus accessibles, et que les API des grands fournisseurs simplifient l'intégration, la barrière à l'entrée pour créer des assistants médicaux IA baisse rapidement. Aujourd'hui, un développeur assemble un analyseur IRM en une semaine. Demain, des outils similaires pourraient devenir un complément standard aux dossiers médicaux électroniques. La question est seulement de savoir si les cadres réglementaires suivront le rythme de la technologie — ou si les patients armés de Python et de clés API se retrouveront à nouveau un pas en avant du système de santé.