Révolution dans le diagnostic du cancer : l’IA à la conquête de la pathologie !

Révolution dans le diagnostic du cancer : l’IA à la conquête de la pathologie !

Un important projet de coopération entre l'hôpital universitaire d'Erlangen (UKER) et l'hôpital Gravina de Caltagirone, en Italie, vise à intégrer l'intelligence artificielle (IA) dans le diagnostic clinique en pathologie. Fort FAU Les résultats ont été publiés dans la revue Genome Medicine. Avec plus de 1,4 millions de cas de cancer chaque année en Allemagne, les examens des tissus après l'ablation d'une tumeur jouent un rôle crucial. C’est là que les algorithmes d’IA entrent en jeu, qui peuvent aider les pathologistes à identifier les types de cancer et à évaluer des échantillons de tissus.

L’utilisation de l’IA en pathologie s’avère actuellement limitée car de nombreux examens se font au microscope. Cependant, l’hôpital Gravina a fait un pas vers l’avenir et numérise systématiquement toutes les coupes de tissus. Cette mesure améliore la disponibilité des données numériques et permet le développement d’une méthode d’intégration automatique de l’analyse de l’IA dans les flux de travail des laboratoires de pathologie.

Digitalisation et IA en pathologie

Lors du diagnostic, les échantillons de tissus sont traités en coupes extrêmement fines et numérisés. L'analyse est ensuite effectuée sur l'écran de l'ordinateur, l'analyse IA étant automatiquement activée dès que de nouveaux scans sont reçus dans le système d'information du laboratoire (LIS). Les pathologistes ont également la possibilité de demander des analyses « à la demande ». Les résultats sont visualisés sous forme de cartes thermiques dans le LIS, mettant en évidence les régions cancéreuses. L'objectif du projet est d'améliorer la précision des algorithmes et de promouvoir l'intégration de modèles d'apprentissage profond dans d'autres départements de pathologie.

Les innovations technologiques accélèrent considérablement le diagnostic des cancers, notamment grâce à la numérisation des coupes histopathologiques et au recours au deep learning. Une analyse met en lumière les défis et les opportunités associés à ces évolutions. L’utilisation de réseaux neuronaux profonds (apprentissage profond) a le potentiel d’améliorer la précision du diagnostic et de réduire le taux d’erreur dans les diagnostics de cancer. Par exemple, un modèle d’apprentissage profond en deux étapes pour le classement du cancer de la prostate est cité comme ayant atteint une précision de 0,7, contre 0,61 pour les pathologistes humains.

Le rôle des GNN en pathologie numérique

Il convient de noter en particulier le développement des réseaux de neurones graphiques (GNN), qui s'avèrent être une alternative prometteuse pour l'extraction et l'interprétabilité de caractéristiques en pathologie numérique. Ces réseaux modélisent les relations entre objets et ont déjà trouvé des applications réussies dans divers domaines, notamment la prédiction des propriétés moléculaires. La recherche a montré que les GNN peuvent atteindre une précision de 97 % dans la classification du cancer colorectal, soulignant leur supériorité par rapport aux approches traditionnelles.

Mettre en œuvre l’IA en pathologie n’est pas seulement un défi technique mais aussi une nécessité. Compte tenu du nombre croissant de cas de cancer, du nombre décroissant de pathologistes et du nombre croissant de cas, il existe un besoin urgent d’interprétation automatisée des images pathologiques numérisées. Fraunhofer IKS souligne que l’IA peut rapidement combiner et analyser de grandes quantités de données, ce qui peut conduire à une thérapie individualisée et à des diagnostics précoces de maladies.

Dans l’ensemble, cela montre que la combinaison de la numérisation et de l’IA améliore non seulement l’efficacité et la précision de la pathologie, mais peut également conduire à des approches innovantes en matière de diagnostic du cancer.