Intelligence artificielle Un modèle de deep learning pour repérer plus facilement les tumeurs métastasiques...

Pour approfondir le sujet

Sur le même thème :

Grâce au deep learning, une application pourrait aider à diagnostiquer le VIH plus facilement

Une équipe de recherche composée d'experts de l'Africa Health Research Institute (AHRI) et de l'University College de Londres (UCL) a exploité l'intelligence artificielle pour...

Un modèle de deep learning permet de classer avec précision six types de tumeurs intracrâniennes

Classer une tumeur cérébrale dans l'un des six types courants à l'aide d'une seule IRM 3D : c'est le défi que s'est lancé une...

Une équipe de recherche du MIT développe une fibre textile intelligente qui stocke et analyse des données

Plusieurs chercheurs du Massachusetts Institute of Technology (MIT) ont conçu une fibre dotée de capacités numériques grâce à un réseau de neurones artificiels. Celle-ci...

Les réseaux de neurones convolutifs pour catégoriser et classifier les images des ecosystèmes pélagiques

Dans le cadre d'une mission, plusieurs chercheurs ont capturé in situ des images de la floraison printanière planctonique dans l'océan arctique, ce qui a...

Un modèle de deep learning pour repérer plus facilement les tumeurs métastasiques complexes

Nous vous présentions récemment un système mis au point par des scientifiques écossais permettant de repérer plus facilement les mésothéliomes, une forme rare de cancer. Une équipe de chercheurs du département des pathologies du Brigham and Women’s Hospital a conçu un modèle d’intelligence artificielle capable de trouver l’origine des métastases. De plus, cet outil pourrait générer un “diagnostic différentiel” pour les patients atteints de cancers dont l’origine n’est pas connue des médecins.

Une intelligence artificielle pour repérer les tumeurs primaires

Pour les médecins, connaître le site primaire d’origine d’une tumeur est primordial afin de cibler les actions qu’ils souhaitent mener pour lutter contre le cancer et ainsi, augmenter le taux de survie. La plupart des thérapies modernes sont spécifiques à la tumeur primaire, d’où l’importance de la localiser et de l’analyser. À l’heure actuelle, il est impossible de déterminer l’origine des tumeurs métastatiques pour environ 2 % des cas de cancer : les patients se trouvant dans cette situation survivent, selon une estimation médiane, entre 3 et 16 mois.

Pour essayer d’augmenter le taux de survie, plusieurs chercheurs ont mis au point une intelligence artificielle pour essayer d’améliorer le diagnostic pour les patients atteints de cancers métastatiques complexes. Cette étude a fait le cadre d’une publication dont les auteurs sont Ming Y. Lu, Tiffany Y. Chen, Drew F. K. Williamson, Melissa Zhao, Maha Shady, Jana Lipkova et Faisal Mahmood. Leur création se base sur la branche des sciences naturelles qui traite de la structure des tissus vivants : l’histologie.

Un modèle de deep learning

Le modèle Tumor Origin Assessment via Deep Learning (TOAD) utilise, comme son nom l’indique, le deep learning pour identifier la tumeur du patient comme primaire ou métastatique et prédit son site d’origine. Le système a été entrainé à l’aide d’images pathologiques de tumeurs provenant de plus de 22 000 cas de cancers.

TOAD a été testé sur 6 500 cas de cancer dont la tumeur primaire était au préalable localisée et analysée concrètement. Le modèle a identifié correctement la tumeur dans 83 % des cas. L’outil peut proposer jusqu’à trois prédictions qui correspondent aux potentiels diagnostics du patient. Dans 96% des situations, le vrai diagnostic se trouvait parmi les trois proposé par TOAD.

Le programme informatique a ensuite été soumis à 317 cas de cancer du col de l’utérus pour lequel un diagnostic différentiel a été conclu. Dans 61 % des situations, TOAD proposait une première analyse correcte et ce chiffre monte à 82% quand on lui permet de réaliser trois diagnostics. Avec ces résultats, les chercheurs souhaitent poursuivre l’entrainement de leur modèle de deep learning avec davantage de données voire s’engager dans des essais cliniques qu’ils espèrent concluants.


1ère Marketplace de l'IA et de la transformation numérique vous recommande :
XLOPTIM® par Addinsoft

Le solveur pour microsoft excel® alliant puissance et simplicité xloptim® résout vos problèmes d'optimisation directement dans une feuille excel®, en...

 
Zacharie Tazrout

Partager l'article

Canada : l’Alberta teste « Heads-Up », la solution de détection de téléphone au volant d’Acusensus

L'usage du téléphone au volant, bien que réprimandé par la loi, est une des principales causes de distraction des conducteurs. Malgré toutes les campagnes...

IA et génomique : la perte de l’homéostasie neuronale joue un rôle central dans la maladie de Huntington

La maladie de Huntington est une maladie génétique et héréditaire rare qui conduit à une dégénérescence progressive des cellules nerveuses dans le cerveau, entraînant...

Les Etats membres de l’OMS/Europe adoptent le tout premier plan d’action pour la santé numérique de la Région

Du 12 au 14 septembre dernier, après deux années en ligne, les 53 Etats membres de toute l’Europe et d’Asie centrale ont été...

PyTorch renforce sa gouvernance avec la création de la PyTorch Foundation, qui sera gérée par la Linux Foundation

PyTorch est l'un des frameworks ML open source les plus utilisés, il a été développé par Meta AI. Soumith Chintala, l'un de ses créateurs,...
Recevoir une notification en cas d'actualité importante    OK Non merci