Des chercheurs ont conçu un système basé sur l’IA capable de classer automatiquement les tumeurs cérébrales en fonction de leur type. Cette prouesse technique pourrait permettre d’optimiser le plan de traitement et potentiellement d’améliorer le pronostic des patients. En outre, ce nouvel outil de «diagnostic non invasif», désormais disponible gratuitement, serait plus efficace que les méthodes invasives actuelles.
L’application à la médecine est l’un des principaux points forts de l’IA. Dans une nouvelle étude menée par un groupe de chercheurs issus de divers établissements, un nouvel outil d’IA qu’ils ont développé est présenté comme une aide au diagnostic des tumeurs cérébrales. Baptisé DISCERN (pour Diagnostic in Susceptibility Contrast Enhancing Regions for Neuroncology), il permet de distinguer les trois principaux types de tumeurs malignes touchant le cerveau, notamment le glioblastome multiforme, la métastase cérébrale et les lymphomes primaires du système nerveux central (SNC).
Il faut savoir que chaque type de tumeur cérébrale a des caractéristiques distinctes et nécessite une approche thérapeutique spécifique. Un traitement efficace pour le glioblastome multiforme peut ne pas l’être pour les métastases cérébrales ou les lymphomes primaires du SNC. Or, il s’avère encore difficile de les distinguer avec précision sans recourir à des méthodes invasives comme la biopsie ou la chirurgie. Un diagnostic précis est ainsi crucial pour déterminer le plan de traitement le plus approprié. C’est pour répondre à ce besoin que les chercheurs ont conçu cet outil de diagnostic différentiel (le processus de distinction entre ces différentes tumeurs) basé sur l’IA. Ils ont publié les résultats dans la revue Cell Reports Midicine.
78 % de fiabilité
Pour concevoir leur outil, les chercheurs se sont surtout concentrés sur l’identification de nouveaux biomarqueurs détectables par l’imagerie par résonance magnétique (IRM) avec liquide de contraste. Le système d’apprentissage est entraîné en recevant des milliers d’images IRM de cerveaux de patients qui ont déjà été diagnostiqués. Chaque image a donc été annotée avec le type spécifique de tumeur cérébrale qu’elle concernait. Plus précisément, les chercheurs ont utilisé un ensemble de données comprenant 50 000 voxels (équivalents des pixels, mais dans l’espace 3D) extraits de scans IRM de 40 patients diagnostiqués. L’IA a appris de cette manière à reconnaître les caractéristiques distinctives associées à chaque type de tumeur, dont certaines qui pourraient nous échapper.
Après avoir entraîné DISCERN sur l’ensemble initial de données (les 50 000 voxels provenant des 40 patients diagnostiqués), les chercheurs ont testé et validé la précision de l’outil sur 500 nouveaux cas. Les résultats de cette validation ont montré que l’outil peut classer les tumeurs cérébrales avec une fiabilité de 78 %. Cette performance est particulièrement notable selon les chercheurs, car elle dépasse celle des méthodes de diagnostic conventionnelles. Sans compter que l’entraînement de l’IA était relativement restreint (seulement 40 patients). Avec plus de données d’entraînement donc, l’outil pourrait se montrer encore plus fiable.
Des améliorations dans le diagnostic et le traitement des tumeurs cérébrales
« DISCERN est un outil informatisé d’aide au diagnostic qui facilite la classification des tumeurs cérébrales pour aider à guider la prise de décision médicale par des équipes multidisciplinaires concernant la nécessité et le type de chirurgie requise pour confirmer le diagnostic », voici comment l’un des chercheurs a défini l’outil.
Les chercheurs ont déjà déployé une application, DISCERN, qui est disponible gratuitement. L’outil bénéficie d’une interface utilisateur conviviale permettant aux médecins de l’utiliser dans leur pratique quotidienne sans nécessiter une expertise approfondie en informatique ou en IA.
De plus, ils affirment l’avoir rendu accessible et facile à utiliser dans l’espoir que cela encouragera son adoption rapide par d’autres cliniciens et chercheurs dans le cadre de leurs propres études. Cela conduirait à des améliorations rapides dans le diagnostic et le traitement des tumeurs cérébrales, sans compter que le modèle d’IA, recevant toutes ces données supplémentaires, verrait sa précision s’améliorer rapidement.