IA-détection-cancver-sein
Un modèle d’apprentissage en profondeur formé sur des milliers de mammographies, permet désormais de prédire si une personne présente un risque élevé de développer un cancer du sein, et ce, mieux que n’importe quel autre modèle actuel. Ce nouveau système peut identifier les changements subtils dans le tissu mammaire et déterminer la probabilité que le cancer se développe d’ici cinq ans.

L’IA du MIT détecte les risques mieux que tous les autres systèmes

Ce nouveau modèle d’apprentissage en profondeur a été formé sur plus de 90 000 mammographies. Le système a été capable d’identifier de minuscules schémas dans les données de mammographie que les humains ne pouvaient pas voir. Il en résulte une capacité actuelle d’identifier 31% des patientes présentant le risque le plus élevé de développer un cancer du sein dans un avenir proche. Bien que ce taux puisse paraître faible, il est en réalité nettement supérieur à tous les modèles actuellement disponibles pour les médecins, qui ne peuvent identifier que 18% des patientes à haut risque à un stade précoce.
« Depuis les années 1960, les radiologistes ont remarqué que les modèles de tissu mammaire visibles sur la mammographie étaient très variables chez les femmes », explique Constance Lehman, coauteure de cette recherche. « Ces schémas peuvent représenter l’influence de la génétique, des hormones, de la grossesse, de l’allaitement, du régime alimentaire, de la perte et de la prise de poids. Nous pouvons maintenant exploiter ces informations détaillées pour être plus précises dans notre évaluation des risques au niveau de chaque femme. »

Ce modèle fonctionne aussi bien chez les noirs que chez les blancs

Un autre atout de ce nouveau modèle d’IA est sa précision rapportée dans la détection du risque de cancer du sein chez les minorités raciales. Les outils d’évaluation des risques de cancer du sein précédemment utilisés par les cliniciens se sont révélés moins efficaces pour les populations non blanches, car une grande partie des données utilisées pour leur développement provenaient des populations blanches.
« Il est particulièrement frappant de constater que ce modèle fonctionne aussi bien pour les noirs que pour les blancs, ce qui n’était pas le cas avec des outils d’évaluation des risques », déclare Allison Kurian, de la faculté de médecine de l’Université de Stanford. « Si ce système est validé et rendu disponible pour une utilisation généralisée, cela pourrait réellement améliorer nos stratégies actuelles d’estimation du risque. »
La recherche sur le diagnostic en utilisant l’IA est en plein essor, avec des modèles en cours de développement pour pratiquement tout identifier, du cancer de la peau à la maladie d’Alzheimer en passant par la dépression infantile. Ce nouveau modèle du MIT s’ajoute aux travaux antérieurs de la même équipe de développement d’un système permettant de prédire la probabilité qu’une lésion du sein devienne soit maligne, soit bénigne avec une précision incroyable.

Ce système pourrait même détecter d’autres maladies

Selon Regina Barzilay, professeure au MIT, leur système pourrait un jour permettre aux médecins d’utiliser des mammographies pour déterminer si les patientes courent un plus grand risque de contracter d’autres problèmes de santé, tels que des maladies cardiovasculaires ou d’autres cancers. Les chercheurs souhaitent appliquer leurs modèles à d’autres maladies et affections, en particulier celles présentant des modèles de risque moins faciles à détecter, comme le cancer du pancréas.
Les chercheurs travaillant sur ce nouveau modèle d’IA du cancer du sein veulent poursuivre leurs études pour valider ce système de manière générale avant de le mettre en œuvre à plus grande échelle dans les cliniques. De plus, ces modèles seront d’autant plus précis qu’ils seront formés avec de plus grands ensembles de données. L’avenir semble donc prometteur pour diagnostiquer le cancer avant qu’il ne se développe et ne se propage.
Cette nouvelle recherche a été publiée dans Radiology.
Source : MIT Computer Science and Artificial Intelligence Laboratory
Crédit photo : Pixabay