Intelligence artificielle Des chercheurs de l'Université de Buffalo identifient les principaux facteurs du cancer...

Pour approfondir le sujet

Sur le même thème :

Deep learning : des chercheurs de l’Université Johns Hopkins présentent une nouvelle approche pour la prédiction des crises cardiaques dues à l’arythmie cardiaque

Les applications d'intelligence artificielle dans le domaine de la santé sont nombreuses, la prévention des crises cardiaques est notamment au cœur de nombreuses recherches. Une...

Restaurer la conscience grâce à la stimulation profonde du thalamus

Des chercheurs en neurosciences et des cliniciens du CEA, de l’Hôpital Foch, de l’Université de Versailles Saint-Quentin-en-Yvelines, de l’Inserm et du Collège de France...

L’Intelligence Artificielle au service du dépistage du cancer colorectal

Le Centre Hospitalier de Bigorre, à Tarbes (Hautes-Pyrénées) a organisé mi-février dernier l’inauguration d’un module d’Intelligence Artificielle pour l’endoscopie digestive, afin d’optimiser le dépistage...

PariSanté Campus dévoile les soixante start-ups de sa première promotion

Le Ministère de l’Enseignement supérieur, de la Recherche et de l’Innovation, le Ministère des Solidarités et de la Santé, l’Inserm, l’Université PSL (Paris Sciences...

Des chercheurs de l’Université de Buffalo identifient les principaux facteurs du cancer du poumon grâce à l’IA

Le cancer du poumon et des bronches (LBC) est l’une des causes les plus courantes de décès par cancer dans le monde, représentant 11,6 % de tous les décès par cancer en 2018. En France comme aux Etats-Unis, il est la première cause de mortalité par cancer et si le tabagisme joue un rôle prépondérant dans cette maladie, la pollution et les conditions socio-économiques sont elles aussi facteurs de risque.  Une équipe de Université de Buffalo a cherché à comprendre pourquoi ces facteurs n’avaient pas les mêmes conséquences suivant l’endroit où les malades vivent. Ils ont publié les résultats de leur recherche intitulée « Intelligence artificielle explicable pour explorer la variabilité spatiale des taux de mortalité par cancer du poumon et des bronches aux États-Unis contigus » dans la revue Scientific Reports en décembre 2021.

Cette étude qui identifie les principaux facteurs de risque de mortalité LBC à l’aide de l’intelligence artificielle explicable (XAI) a réuni une équipe interdisciplinaire :

  • Zia U. Ahmed, PhD, spécialiste des bases de données/visualisation à l’Institut UB RENEW ;
  • Kang Sun, PhD, membre du corps professoral principal de l’Institut UB RENEW et professeur adjoint d’ingénierie civile, structurelle et environnementale à l’École d’ingénierie et de sciences appliquées de l’UB ;
  • Michael Shelly, PhD, économiste environnemental/écologique à l’Institut UB RENEW ;
  • Lina Mu, PhD, MD, professeur agrégé d’épidémiologie et de santé environnementale à l’École de santé publique et des professions de la santé de l’UB.

Zia U. Ahmed déclare au sujet de la recherche :

« Les résultats comptent parce que les États-Unis sont un environnement spatialement hétérogène. Il existe une grande variété de facteurs socioéconomiques et de niveaux d’éducation – essentiellement, une taille ne convient pas à tous. Ici, l’interprétation locale des modèles d’apprentissage automatique est plus importante que l’interprétation globale. »

Lina Mu ajoute :

« L’étude peut être un modèle pour intégrer l’intelligence artificielle dans une étude épidémiologique. Cela peut également servir d’exemple d’utilisation de modèles de prédiction lors de l’étude du cancer. Cela peut grandement aider à identifier les zones à haut risque où le registre du cancer n’est pas disponible. »

L’étude

L’équipe de l’UB a appliqué l’intelligence artificielle explicable (XAI) sur un cadre de modèle d’apprentissage machine à ensemble de piles pour explorer et visualiser la distribution spatiale des contributions des facteurs de risque connus aux taux de mortalité par cancer du poumon et des bronches aux États-Unis contigus. Pour développer des modèles d’ensemble de piles, elle a utilisé le modèle linéaire généralisé (GLM), la forêt aléatoire (RF), la machine d’amplification de gradient (GBM), la machine d’amplification de gradient extrême (XGBoost).

Zia U. Ahmed explique :

« XAI dans l’interprétation locale fait encore défaut, en particulier en ce qui concerne l’environnement et la science. »

Les facteurs de risque explorés par l’étude représentaient des variables liées aux modes de vie dont le tabagisme, au statut socio-économique (taux de pauvreté), à la démographie, à la pollution de l’air, l’environnement physique, les facteurs biophysiques ainsi que l’assurance maladie.

L’étude note que les taux de tabagisme étaient liés aux niveaux de pauvreté et à la race/ethnicité, les hispaniques, par exemple, fument moins que les blancs. Elle montre également une forte relation entre la pauvreté et donc, le manque d’accès aux soins, avec les taux de mortalité LBC aux Etats-Unis.

En ce qui concerne la pollution de l’air, les chercheurs ont examiné les polluants dioxyde d’azote (NO2), dioxyde de soufre (SO2), ozone et particules et leur variabilité spatiale par rapport aux taux de mortalité par cancer du poumon et des bronche

Le tabagisme et la pauvreté se sont révélés les deux facteurs de risques principaux du cancer des poumons et des bronches. Si ces résultats étaient attendus, cette étude démontre un fort potentiel pour la mise en œuvre de  l’intelligence artificielle explicable en complément ou en remplacement des modèles de régression spatiale traditionnels.

Sources de l’article : Ahmed, ZU, Sun, K., Shelly, M. et al. Intelligence artificielle explicable (XAI) pour explorer la variabilité spatiale des taux de mortalité par cancer du poumon et des bronches (LBC) aux États-Unis contigus. Sci Rep 11, 24090 (2021). https://doi.org/10.1038/s41598-021-03198-8


1ère Marketplace de l'IA et de la transformation numérique vous recommande :
 
Marie-Claude Benoit

Partager l'article

Découvrez ActuIA n°8, le nouveau numéro du magazine de l’intelligence artificielle

L’été est bien là et c’est déjà l’heure du nouveau numéro d’ActuIA, votre magazine de l’intelligence artificielle ! Pour ce n°8 d’ActuIA, disponible dès...

Victor Schmidt, doctorant sous la direction de Yoshua Bengio, est le lauréat de la 6ème bourse Antidote en TAL

Druide informatique a annoncé fin mai la nomination du lauréat de la 6e Bourse Antidote en traitement automatique de la langue (TAL). Victor Schmidt,...

Retour sur le lauréat du Prix CNIL-INRIA pour la protection de la vie privée

Fin mai, François Pelligrini et Mathieu Cunche, co-présidents du Jury du Prix CNIL-Inria, ont remis le prix pour la protection de la vie privée...

La Lufthansa s’appuie sur le logiciel « Virtual Aviation Training » de NMY pour former ses équipes de cabine

La pandémie a fortement impacté les compagnies aériennes. Depuis la levée des restrictions sanitaires, elles doivent affronter un autre problème : malgré une forte...
Recevoir une notification en cas d'actualité importante    OK Non merci