Alibaba dévoile MAOSS, un modèle d'IA pour le dépistage précoce de la stéatose hépatique

Alibaba DAMO Academy a présenté MAOSS, un modèle d'IA qui cherche des signes de stéatose hépatique dans des scanners sans produit de contraste de routine et aide à sélectionner plus tôt les patients pour un diagnostic approfondi. Pour la médecine, c'est un cas important qui ne relève pas de « l'IA à la place du médecin », mais de la façon de tirer davantage de valeur d'examens déjà existants.

Pourquoi c'est important

La stéatose hépatique, que la littérature anglophone appelle de plus en plus steatotic liver disease, peut longtemps rester sans symptômes. Les patients consultent donc souvent au stade de la fibrose ou de la cirrhose, quand la fenêtre d'intervention précoce se réduit nettement. Selon Alibaba DAMO Academy, la maladie touche actuellement environ 30 % de la population mondiale et pourrait atteindre 55,7 % d'ici 2040.

L'échographie classique et les marqueurs sériques ne sont pas toujours assez sensibles, et les méthodes plus précises ne sont pas disponibles dans toutes les cliniques. MAOSS cible précisément ce manque.

Le modèle a été développé avec le Shengjing Hospital of China Medical University et le Nanjing Drum Tower Hospital, et les résultats ont été publiés dans Nature Communications. Le système combine plusieurs types de données : scanners sans contraste, valeurs sanguines et caractéristiques calculées comme la texture, la densité et la forme du foie. L'idée n'est pas de pousser l'hôpital à acheter un nouvel instrument rare, mais de réentraîner le flux d'examens habituel pour qu'il signale les patients qu'il ne faut pas laisser repartir sans vérification supplémentaire.

Ce que sait faire MAOSS

D'après l'article de Nature Communications, le modèle a été entraîné et testé sur plusieurs échantillons, d'un jeu interne de 2071 cas à un ensemble réel de 18 504 examens. Une cohorte de 1192 patients a été analysée séparément : il ne s'agissait pas seulement de détecter la stéatose, mais de sélectionner les personnes présentant un risque accru d'évolution plus sévère, soit une stéatohépatite et une fibrose marquée. Cette conception compte : elle montre que le système a été testé non seulement en laboratoire, mais aussi plus près du flux clinique habituel.

Voici les principaux résultats :

• la part de patients à haut risque identifiés est passée de 16,6 % à 52,4 %
• l'AUC pour différents stades de stéatose était de 0,904–0,917
• l'AUC moyenne des radiologues sans l'aide du modèle était de 0,709
• avec MAOSS comme assistant, la précision des médecins est montée à 0,798

Le point le plus intéressant est ailleurs : le modèle cherche un signal chez des patients qui ont pu venir pour une tout autre raison. Si une personne a déjà passé un scanner standard, le système peut exploiter cette image pour un dépistage opportuniste supplémentaire, sans exiger de procédure distincte et coûteuse. Pour les systèmes de santé, c'est un argument fort, car le coût de déploiement dépend souvent non seulement de l'algorithme, mais aussi de la nécessité de modifier le parcours du patient. Alibaba tente ici de s'insérer dans l'infrastructure existante.

Pas à la place du médecin

Dans la présentation d'Alibaba, il ne s'agit pas d'un « hépatologue numérique », mais d'un outil d'aide à la décision. MAOSS ne remplace ni le diagnostic, ni la biopsie, ni l'évaluation clinique, ni le suivi du patient ; il aide à repérer plus tôt ceux que le parcours standard peut laisser passer. L'approche paraît pragmatique : le modèle ne promet pas une médecine autonome, mais réduit la part de cas manqués et rend la sélection précoce moins chère.

Cela s'inscrit bien dans la stratégie plus large de DAMO Academy, qui promeut déjà le dépistage du cancer par IA et fait état de plus de 50 millions de personnes couvertes par des contrôles médicaux par IA dans dix pays et régions.

Mais il ne faut pas non plus surestimer le résultat. Il s'agit d'une validation rétrospective et d'une publication de recherche, et non d'un modèle devenu un standard universel pour les hôpitaux du monde entier. Un tel outil exige une validation locale, un réglage adapté à un flux de patients précis et une responsabilité clairement établie du médecin. Sinon, même une bonne métrique sur le papier peut se heurter aux faux positifs, à la surcharge des spécialistes ou à des difficultés d'interprétation des résultats en pratique réelle.

Ce que cela signifie

L'histoire de MAOSS montre où l'IA médicale progresse le plus vite : non pas vers les assistants conversationnels, mais vers des systèmes discrets qui extraient un signal supplémentaire de données déjà collectées. Si cette approche passe à l'échelle, le scanner de routine pourrait peu à peu devenir non seulement une image pour la plainte du moment, mais aussi un filtre précoce pour des maladies chroniques que l'on repère aujourd'hui trop souvent tard.