Le but de l’IA n’est pas de remplacer l’homme, mais de l’assister, en lui facilitant la tâche. Des études récentes ont ainsi prouvé comment la combinaison de systèmes basés sur l’IA pouvait aider les médecins à prédire l’apparition de cancers du sein, du poumon et plus récemment du pancréas et du cerveau.
Le gliome diffus : une tumeur cérébrale courante et difficile à diagnostiquer précisément
Il existe plusieurs types de gliomes diffus, chaque type présentant des mutations génétiques différentes. Or, l’efficacité des traitements varie suivant cette constitution génétique. Il a ainsi été prouvé que des patients atteints d’un gliome diffus appelé astrocytome pouvaient gagner cinq ans d’espérance de vie après ablation complète de la tumeur, par rapport à d’autres types de gliomes diffus !
Dans ce contexte, les techniques de classification moléculaire des tumeurs ont donc une importance considérable. Malheureusement, les méthodes actuelles sont difficiles d’accès, ce qui complique la prise de décision chirurgicale et le choix des traitements de chimiothérapie.
La méthode développée par l’équipe de neurochirurgiens et d’ingénieurs de la Michigan Medicine[1] est donc la bienvenue, car elle ouvre la voie à une identification précise et plus rapide, en permettant aux chirurgiens de distinguer la nature du gliome diffus pendant l’opération.
DeepGlioma, un système d’IA qui exploite l’imagerie rapide
DeepGlioma, dont l’idée a émergé en 2019, est un système qui associe des algorithmes de machine learning appelés Deep Neural Networks (DNN) et une méthode d’imagerie optique. Cette technique connue sous le nom d’histologie Raman stimulée, également développée à l’Université du Michigan, permet d’obtenir une image en temps réel des tissus des tumeurs cérébrales.
L’efficacité du système a été testée dans le cadre d’une étude conduite sur plus de 150 patients atteints de gliome diffus. Dans un papier publié dans Nature, les chercheurs expliquent que le nouveau système DeepGlioma a permis d’identifier des mutations utilisées par l’OMS pour définir des sous-groupes moléculaires de la maladie, avec une précision de plus de 90 % en moyenne.
Dans un communiqué de presse, Todd Hollon, neurochirurgien à l’University of Michigan Health et premier auteur de l’étude, déclare que « cet outil basé sur l’IA a le potentiel d’améliorer l’accès et la rapidité du diagnostic et des soins pour les patients atteints de tumeurs cérébrales mortelles ».
Selon lui, « DeepGlioma ouvre la voie à une identification précise et plus rapide qui donnerait aux prestataires une meilleure chance de définir les traitements et de prédire le pronostic des patients ».
CHARM : un outil aux objectifs similaires, développé à Harvard
Les chercheurs de l’université du Michigan ne sont pas les seuls à travailler sur le sujet et d’autres travaux sont aussi en cours à travers le monde.
Une équipe de l’Harvard Medical School vient également de présenter, dans la revue Med, un outil de séquençage de l’ADN des gliomes utilisant l’intelligence artificielle. Celui-ci s’appelle CHARM, un acronyme qui signifie « Cryosection Histopathology Assessment and Review Machine ». L’outil a aussi la particularité d’être disponible gratuitement. Il est téléchargeable en ligne à cette adresse.
[1] En collaboration avec l’Université de New York, l’Université de Californie, de San Francisco et d’autres instituts de recherche.
Cet article se trouve dans le dossier :
L'IA : un outil au service des soignants
- Raidium ou comment utiliser l’IA pour soutenir les radiologues
- L’intelligence artificielle faciliterait la détection des cancers du sein
- Une intelligence artificielle capable de détecter les tumeurs au cerveau en 90 secondes
- OSO-AI : Une «oreille augmentée» pour alléger la charge mentale des soignants
- Une intelligence artificielle capable de détecter les tumeurs au cerveau en 90 secondes
- Burn-out : l’intelligence artificielle pourrait repérer plus facilement des premiers signes
- Jean-René Lèquepeys : « Avec l’IA, les smartphones vont jouer un rôle majeur dans la santé »
- Ecoutez notre podcast Cogitons Sciences : Encadrer la recherche médicale [Sciences et éthique #2]
- Santé : les ambitions françaises pour 2030
- Complexité de la récolte des données de santé : l’exemple des registres du cancer
- Détecter les populations touchées par la faim grâce à l'intelligence artificielle
- Santé, agriculture et grande distribution : un contexte créateur d’emplois pour les ingénieurs
- Repérer les pesticides à l'aide du deep learning
- En image : les pensées traduites en langage grâce à l'imagerie artificielle et une IA
- Une plate-forme robotisée dédiée au traitement curatif et précoce des cancers
Dans l'actualité
- L’intelligence artificielle faciliterait la détection des cancers du sein
- Complexité de la récolte des données de santé : l’exemple des registres du cancer
- Une plate-forme robotisée dédiée au traitement curatif et précoce des cancers
- Raidium ou comment utiliser l’IA pour soutenir les radiologues
- IA : Comment Microsoft entend accélérer la recherche scientifique
- Écoutez notre podcast Cogitons Sciences : Comment l’IA révolutionne notre façon de travailler ? [L’IA s’invite dans nos métiers #1]
- Quand la recherche fait appel à l’IA pour élaborer de nouveaux matériaux
- Les tendances majeures de l’intelligence artificielle pour les ingénieurs en 2024
- L’IA, nouvelle arme dans la lutte contre la résistance aux antimicrobiens
- Podcast Cogitons Sciences : l’IA s’invite dans nos métiers
- Les ingénieurs face à la vague de l’IA
- De la médecine à la bioinformatique, il n’y a qu’un pas… franchi par Élodie Germani
- « Il faut bien avoir à l’esprit que les IA ne sont pas des logiciels comme les autres »
- « Il nous faut une législation agile pour s’adapter au mieux à cette technologie – l’IA – que l’on ne capte pas encore parfaitement »
- AI-Stroke : une IA neurologue numérique au service de la détection des AVC
- Blue Bees Therapeutics arme les malades contre le cancer
Dans les ressources documentaires
- Évaluation de l’intelligence artificielle
- Intelligence artificielle et diagnostic
- Éthique de l’intelligence artificielle : vue d’ensemble
- Explicabilité en Intelligence Artificielle ; vers une IA Responsable - Instanciation dans le domaine de la santé
- Algorithmes génétiques, algorithmes évolutionnaires