L'IA en médecine : une nouvelle approche pour des diagnostics plus efficaces
Des chercheurs ont mis au point un nouvel outil d'IA qui utilise des données d'imagerie pour détecter également des maladies moins fréquentes du tractus gastro-intestinal
Déjà utilisée dans de nombreux domaines de la médecine, l'IA présente un potentiel énorme lorsqu'il s'agit d'aider les médecins à diagnostiquer des maladies à l'aide de données d'imagerie. Cependant, les modèles d'IA doivent être formés à partir d'un grand nombre d'exemples, qui ne sont généralement disponibles en quantité suffisante que pour les maladies courantes. "C'est comme si un médecin de famille ne devait diagnostiquer que la toux, le nez qui coule et les maux de gorge", explique le professeur Frederick Klauschen, directeur de l'Institut de pathologie de la LMU. "Le véritable défi consiste à détecter également les maladies les moins courantes, que les modèles d'IA actuels négligent souvent ou classent mal."
Avec le groupe du professeur Klaus-Robert Müller de la TU Berlin/BIFOLD et des collègues de la Charité - Universitätsmedizin Berlin, M. Klauschen a mis au point une nouvelle approche qui permet de surmonter cette limitation : Comme les scientifiques le rapportent dans la revue New England Journal of Medicine AI (NEJM AI), leur nouveau modèle n'a besoin que de données d'entraînement provenant de résultats courants pour détecter de manière fiable les maladies moins fréquentes. Cela pourrait améliorer considérablement la précision du diagnostic et alléger la charge de travail des pathologistes à l'avenir.
Apprendre à partir de la normalité
La nouvelle approche est basée sur la détection des anomalies : À partir de la caractérisation très précise des tissus normaux et des résultats des maladies fréquentes, le modèle apprend à reconnaître et à signaler les écarts, sans avoir à être spécifiquement formé à ces cas plus rares. Pour leur étude, les chercheurs ont collecté deux grands ensembles de données d'images microscopiques de coupes de tissus provenant de biopsies gastro-intestinales avec les diagnostics correspondants. Dans ces ensembles de données, les dix résultats les plus courants - y compris les résultats normaux et les maladies courantes telles que la gastrite chronique - représentent environ 90 % des cas, tandis que les 10 % restants contiennent 56 entités pathologiques, dont de nombreux cancers.
Pour l'entraînement et l'évaluation de leur modèle, les chercheurs ont utilisé un total de 17 millions d'images histologiques provenant de 5 423 cas. "Nous avons comparé diverses approches techniques et notre meilleur modèle a détecté avec un haut degré de fiabilité un large éventail de pathologies plus rares de l'estomac et du côlon, y compris des cancers primaires ou métastasés rares. À notre connaissance, aucun autre outil d'IA publié n'est capable de faire cela", déclare M. Müller. En outre, grâce aux cartes thermiques, l'IA peut indiquer en couleur la position des anomalies dans la coupe de tissu.
Un allègement considérable de la charge de travail en matière de diagnostic
En identifiant les résultats normaux et les maladies fréquentes et en détectant les anomalies, le nouveau modèle d'IA, qui sera encore amélioré au fil du temps, pourrait apporter une aide essentielle aux médecins. Bien que les maladies identifiées doivent encore être confirmées par des pathologistes, "les médecins peuvent gagner beaucoup de temps, car les résultats normaux et une certaine proportion des maladies peuvent être diagnostiqués automatiquement par l'IA. Cela concerne environ un quart à un tiers des cas", précise M. Klauschen. "Dans les autres cas, l'IA peut faciliter la hiérarchisation des cas et réduire le nombre de diagnostics manqués. Cela représenterait un progrès considérable.
Note: Cet article a été traduit à l'aide d'un système informatique sans intervention humaine. LUMITOS propose ces traductions automatiques pour présenter un plus large éventail d'actualités. Comme cet article a été traduit avec traduction automatique, il est possible qu'il contienne des erreurs de vocabulaire, de syntaxe ou de grammaire. L'article original dans Anglais peut être trouvé ici.
Publication originale
Jonas Dippel, Niklas Prenißl, Julius Hense, Philipp Liznerski, Tobias Winterhoff, Simon Schallenberg, Marius Kloft, Oliver Buchstab, David Horst, Maximilian Alber, Lukas Ruff, Klaus-Robert Müller, Frederick Klauschen; "AI-Based Anomaly Detection for Clinical-Grade Histopathological Diagnostics"; NEJM AI, Volume 1
Autres actualités du département science
Recevez les dernières actualités du secteur des sciences de la vie
Ne manquez plus aucune actualité : notre newsletter consacrée aux biotechnologies, au secteur pharmaceutique et aux sciences de la vie vous informe tous les mardis et jeudis. Les dernières nouvelles du secteur, les produits phares et les innovations - de manière compacte et compréhensible dans votre boîte de réception. Recherché par nos soins, pour que vous n'ayez pas à le faire.
