Selon une étude de ce début d’année, l’intelligence artificielle peut aider le corps médical à détecter le cancer du sein. Des chercheurs américains viennent de mettre au point un modèle d'IA capable de prédire si le tissu cancéreux a été entièrement retiré lors d'une opération.
au sommaire
Le mois d'octobre est dédié à la sensibilisation au dépistage du cancer du sein. Si les outils d'apprentissage automatique ont récemment permis de détecter avec précision ce type de cancer, des chercheurs de la faculté de médecine de l'Université de Caroline du Nord viennent de mettre au point un modèle d'IAIA capable de prédire en temps réel si les tissus cancéreux ont été entièrement retirés du corps lors d'une opération de cancer du sein. D'après les résultats publiés dans la revue Annals of Surgical Oncology, le modèle entraîné est aussi efficace, voire plus, que les médecins.
« Certains cancers se sentent et se voient, mais nous ne pouvons pas voir les cellules cancéreuses microscopiques qui peuvent être présentes au bord du tissu enlevé, a déclaré Kristalyn Gallagher, coauteure de l'étude. D'autres cancers sont complètement microscopiques. Cet outil d'IA nous permettrait d'analyser plus précisément les tumeurs retirées chirurgicalement en temps réel et d'augmenter les chances que toutes les cellules cancéreuses soient retirées au cours de l'opération. Cela éviterait de devoir faire revenir les patientes pour une deuxième ou une troisième intervention chirurgicale ».
Distinguer les marges négatives des marges positives
Afin d'éliminer toutes les cellules cancéreuses, le chirurgien chargé d'enlever une tumeur prélève également une petite quantité de tissu sain juste à côté. Un mammographe examine ensuite les bords extérieurs de ce tissu pour s'assurer qu'il n'y a pas de cellules cancéreuses : ce sont les « marges négatives ». Dans le cas contraire, la marge est positive et il est possible que d'autres cellules cancéreuses soient présentes dans le sein. Une nouvelle intervention chirurgicale devra être programmée. Un pathologiste est également amené à analyser plus en profondeur l'échantillon mais l'ensemble de ces techniques reste imprécis. « Sur les mammographiesmammographies, les tissus mammaires à forte densité et les tumeurs apparaissent tous deux d'un blanc éclatant, ce qui rend difficile la distinction entre les tissus sains et les tissus cancéreux », expliquent les auteurs.
C'est ici que peut intervenir l'IA. Pour l'entraînement du modèle, les scientifiques ont utilisé 821 images de mammographie prises juste après la résectionrésection et associées aux rapports des pathologistes. L'IA a ainsi appris à distinguer les marges positives des marges négatives, et ce, avec une précision globalement meilleure que les humains. En effet, la mammographie sur échantillon présente une sensibilité de 20 à 58 % contre 85 % pour le modèle d'IA. La sensibilité représente la capacité à détecter des cas positifs.
Un soutien aux hôpitaux ayant moins de ressources
L'utilisation de l'IA pourrait s'avérer utile pour aider les médecins et les chirurgiens à prendre des décisions. Les auteurs ajoutent que ce type de modèle pourrait particulièrement servir les hôpitaux qui n'ont pas toujours les professionnels nécessaires pour faire un choix rapide et éclairé dans la salle d'opération.
Le modèle devra être validé par d'autres études avant de pouvoir être utilisé en clinique, et les scientifiques continueront à ajouter des images prises par d'autres patients et d'autres chirurgiens. Avec le temps et à mesure que les chercheurs en sauront davantage sur l'apparence des tissus normaux, des tumeurs et des marges, la précision de leurs modèles devrait aussi s'améliorer.
