L’intelligence artificielle est déjà présente dans de nombreux appareils d’imagerie et le sera encore davantage dans un futur très proche. Elle présente deux applications majeures en imagerie médicale, dont celle d’automatiser, de fiabiliser et d’accélérer l’analyse des images (IRM, mammographies, TEP scanner, etc.). Cela peut se faire de plusieurs manières, à commencer par « l’utilisation d’algorithmes d’IA qui permettent de détecter automatiquement des anomalies dans les images obtenues », explique le Dr Irène Buvat. Cela facilite un tri rapide entre les images normales et les images pathologiques qui nécessitent une expertise radiologique urgente pour déterminer si le patient est atteint d’un cancer.
L’utilisation d’algorithmes d’IA consiste également à réaliser automatiquement des mesures sur des images de tumeurs (volume ou caractérisation de forme). Actuellement, les radiologues ou les médecins nucléaires effectuent ces mesures manuellement, ce qui prend du temps et parfois les praticiens ne sont pas d’accord. L’IA aide à automatiser et à accélérer ces processus. “Cela réduit la variabilité entre les centres médicaux et les observateurs”, ajoute le spécialiste. Ceci est particulièrement utile dans les centres disposant de ressources limitées et recevant peu de patients. »
Et même, dans un futur proche, des algorithmes pourraient générer un premier rapport d’imagerie, facilitant le travail des radiologues ou médecins nucléaires qui n’auraient alors plus qu’à le vérifier et à le compléter. Ce processus d’automatisation est en cours et se généralise progressivement dans les services médicaux français.
L’IA fait « parler » les images
Le deuxième volet du progrès grâce à l’IA est de mieux exploiter les informations contenues dans les images. « Actuellement, on mesure principalement le volume, la plus grande dimension des tumeurs, ainsi que le niveau du signal (contraste), ce qui permet de caractériser grossièrement les anomalies », explique Irène Buvat. Or, les algorithmes d’IA offrent la possibilité de mesurer une multitude d’informations, jusqu’à des centaines d’indices extraits d’images radiologiques, appelées « radiomiques ». »
Mais l’enjeu ne se limite pas à la simple mesure de ces indices. Encore faut-il les exploiter. Et là encore, la machine peut faire mieux que le cerveau humain. En effet, cette dernière a du mal à analyser plus de quatre paramètres simultanément. Alors que dire d’une vingtaine, voire plusieurs dizaines ! C’est là que les algorithmes d’IA entrent en jeu. Ils peuvent identifier les meilleures combinaisons de paramètres, et ainsi pouvoir par exemple prédire la réponse à un traitement et la manière dont ils influencent le pronostic des patientes, ou encore prédire la cardiotoxicité liée à l’irradiation du sein. Pour des stratégies de traitement plus personnalisées pour chaque patient.
De plus, ces algorithmes sont utilisés pour mieux comprendre les tumeurs, par exemple en fonction de leurs caractéristiques moléculaires. L’objectif des chercheurs dans les années à venir est d’identifier les phénotypes des tumeurs (ensemble de caractéristiques) à partir d’images précises, notamment en 3D (IRM, scanner) qui complètent les analyses anatomopathologiques (analyse des tissus). Et ainsi, exemple parmi d’autres, de comprendre la résistance aux traitements par immunothérapie.
Pour en savoir plus : L’Institut du cancer des femmes de l’IHU est un projet qui associe l’Institut Curie, l’Université Paris Sciences et Lettres et l’Inserm, pour une prise en charge globale des femmes touchées par le sein et le cancer du sein. gynécologique.
Les LED dans les jouets : pourquoi faut-il revoir les normes européennes ?
Source: Destination Santé
