Ce nouveau modèle basé sur l’intelligence artificielle (IA) permet de classer les lames de cancer du poumon comme le ferait le pathologiste, afin de déterminer les sous-types de tumeurs. Mise au point par une équipe de chercheurs de Dartmouth, ce système d’apprentissage automatique permet, en pratique, de classer les différents types à un niveau de précision équivalent à celui des pathologistes. Ce système, décrit dans les Scientific Reports confirme le potentiel considérable de l’IA dans le domaine de l'analyse d'images médicales.
L’application de ce modèle d’apprentissage automatique fait ses preuves ici dans la classification des profils tumoraux et des sous-types de l’adénocarcinome du poumon, la forme la plus répandue de la principale cause de décès par cancer dans le monde.
Actuellement, l'adénocarcinome du poumon nécessite un examen visuel des lames de lobectomie par le pathologiste afin de déterminer le modèle et le sous-type de la tumeur. Cette classification joue un rôle important dans le pronostic et le choix du traitement, mais reste une tâche complexe et subjective.
La performance élevée de l'apprentissage automatique dans la classification d'images complexes : s'appuyant sur les progrès récents de l’apprentissage automatique, un champ d’application de l’IA, l'équipe démontre que son modèle fonctionne à égalité avec les diagnostics de 3 pathologistes praticiens (voir visuel). C’est une première démonstration de la performance élevée de l'apprentissage automatique dans le cadre d'une tâche de classification d'images complexes et des applications possibles dans le diagnostic des cancers, mais pas seulement.
Une approche applicable à d'autres tâches d'analyse d'images d'histopathologie, notamment dans les domaines du cancer du sein, de l’œsophage et du cancer colorectal. « S'il est validé par des essais cliniques, notre modèle pourrait être mis en œuvre en pratique clinique pour seconder les pathologistes. Notre méthode est rapide et peut traiter une diapo en moins d'une minute. Elle pourrait même permettre de mieux profiler les patients avant leur examen par le médecin. »
Source: Scientific Reports 04 March 2019 Pathologist-level classification of histologic patterns on resected lung adenocarcinoma slides with deep neural networks (Visuel Hassanpour Lab, Dartmouth's Norris Cotton Cancer Center)
Plus sur Diagnostic Blog et Cancer Blog
