Owkin, start-up franco-américaine spécialisée dans l’IA et l’apprentissage fédéré appliqué à la recherche médicale, vient de publier dans Nature Medicine le résultat de ses recherches menées en collaboration avec 4 grands hôpitaux français spécialisés en oncologie ont permis de démontrer pour la première fois que l’apprentissage fédéré peut être utilisé pour entraîner des modèles de deep learning sur des données d’histopathologie provenant simultanément de plusieurs hôpitaux, ces dernières restant à l’abri derrière les pare-feux des hôpitaux d’où elles proviennent.
L’apprentissage fédéré permet en effet de se connecter en toute sécurité à des ensembles de données multipartites décentralisés et de créer des modèles d’IA sans mise en commun des données ce qui résout le problème de la confidentialité des patients et de la protection des données.
Owkin, start-up pionnière en ce domaine, est devenue une licorne grâce à un investissement de 180 millions de dollars de la société pharmaceutique Sanofi en novembre 2021. Les deux entreprises s’associaient alors pour trois ans afin de découvrir et de développer de nouveaux traitements contre différents cancers, dont le cancer du sein triple négatif.
L’IA au service de la médecine de précision
La recherche s’appuie sur l’utilisation pionnière de l’apprentissage fédéré menée par Owkin pour permettre aux entreprises pharmaceutiques de collaborer pour la recherche de médicaments tout en préservant la confidentialité, la sécurité et l’avantage compétitif potentiel de chaque partenaire. Le projet MELLODDY a d’ailleurs démontré que la collaboration en IA pour la découverte de médicaments est possible à l’échelle industrielle grâce à l’apprentissage fédéré, une première pour l’industrie.
La recherche d’Owkin, menée en collaboration avec l’Institut Curie, l’IUCT Oncopole de Toulouse, le Centre Léon Bérard et Gustave Roussy, ouvre la voie à une recherche médicale dont l’un des moteurs serait l’IA utilisant de plus grands ensembles de données multicentriques, permettant aux modèles d’échapper aux biais des études monocentriques, afin de réaliser des percées dans la médecine de précision.
Le consortium a ainsi utilisé l’apprentissage fédéré grâce à Substra (logiciel d’Owkin récemment mis en libre accès sur la plateforme github, qui rend chaque opération traçable grâce à la technologie hyperledger).
L’IA pour prédire les réponses à la chimiothérapie néoadjuvante
Grâce aux données conservées dans ces quatre grands hôpitaux français, Owkin a construit des modèles d’IA capables de générer une prédiction de la réponse future des patientes atteintes d’un cancer du sein triple négatif (THBC) à une chimiothérapie néoadjuvante.
L’étude a utilisé les données pathologiques numériques et les informations cliniques de 650 patients, ce qui représente l’une des plus grandes cohortes TNBC jamais réunie pour ce type d’analyse.
Le cancer du sein triple négatif est un cancer rare (il représente environ 15 % des cancers du sein) mais caractérisé par un risque de rechute élevé et un potentiel métastatique élevé. Pour le soigner, dans les contextes non métastatiques, on a généralement recours à la chimiothérapie néoadjuvante (NACT), mais l’efficacité du traitement varie considérablement d’un patient à l’autre.
Les chercheurs ont utilisé une IA interprétable pour extraire des informations de lames de pathologie numérique et ont pu mettre en évidence de nouveaux biomarqueurs potentiels. À l’avenir, cela pourrait aider à orienter les patients vers des traitements plus adaptés ou de nouveaux traitements expérimentaux, améliorant ainsi la personnalisation des soins médicaux.
Une première historique
C’est la première fois que des modèles d’apprentissage automatique sont entraînés à l’aide de données histopathologiques provenant de plusieurs hôpitaux, sans que ces données ne quittent ces derniers. Jusqu’à aujourd’hui, la plupart des études publiées se limitaient à simuler l’apprentissage fédéré en distribuant artificiellement des données dans des faux centres. Pour Owkin, il s’agit d’une preuve historique de l’utilisation de l’IA dans la recherche médicale et d’une percée dans la réalisation des avantages pratiques de l’IA pour la recherche.
Jean Ogier du Terrail, Senior Machine Learning Scientist chez Owkin, conclut :
« Grâce à nos partenaires, nous sommes fiers d’avoir réalisé une analyse fédérée originale sur des données médicales en conditions réelles, et la première de ce type sur des données d’histopathologie. En connectant les institutions de manière fédérée, nous avons pu atteindre la masse critique de données de cancer du sein triple négatif nécessaire pour que l’IA découvre, par elle-même, des modèles histologiques prédictifs de la réponse au traitement. Nous espérons que cette preuve de concept va encourager les institutions médicales à collaborer dans des réseaux d’apprentissage fédérés afin de faire avancer la recherche tout en préservant la confidentialité des données des patients. »
Source : Owkin
Ogier du Terrail, J., Leopold, A., Joly, C. et al. Apprentissage fédéré pour prédire la réponse histologique à la chimiothérapie néoadjuvante dans le cancer du sein triple négatif. Nat Med (2023). https://doi.org/10.1038/s41591-022-02155-w
