Des chercheurs du Karolinska Institutet en Suède ont mis au point un outil basé sur l’IA qui améliore le diagnostic des tumeurs du cancer du sein et la capacité à prédire le risque de récidive. La plus grande précision du diagnostic peut conduire à un traitement plus personnalisé pour le vaste groupe de patientes atteintes d’un cancer du sein et présentant des tumeurs à risque intermédiaire. Les résultats sont publiés dans la revue scientifique Annals of Oncology.
Chaque année, environ deux millions de femmes dans le monde développent un cancer du sein. Au cours de la procédure de diagnostic, des échantillons de tissu de la tumeur sont analysés et classés par un pathologiste, puis classés en fonction du risque : faible (grade 1), moyen (grade 2) ou élevé (grade 3). Cela aide le médecin à déterminer le traitement le plus approprié pour la patiente.
« Environ la moitié des patientes atteintes d’un cancer du sein ont une tumeur de grade 2, ce qui ne donne malheureusement aucune indication claire sur la manière dont la patiente doit être traitée. Par conséquent, certaines patientes sont surtraitées par la chimiothérapie, tandis que d’autres risquent d’être sous-traitées. C’est ce problème que nous avons tenté de résoudre. » Explique Yinxi Wang, premier auteur de l’étude et doctorant, département d’épidémiologie médicale et de biostatistique, Institut Karolinska.
Les hôpitaux ont récemment commencé à faire un usage limité des diagnostics moléculaires pour améliorer la précision de l’évaluation du risque de cancer du sein, mais ces méthodes sont souvent coûteuses et prennent du temps. Les chercheurs du Karolinska Institutet ont maintenant développé et évalué une méthode d’analyse des tissus basée sur l’IA (intelligence artificielle). L’étude montre que la méthode basée sur l’IA permet de diviser les patientes présentant des tumeurs de grade 2 en deux sous-groupes, l’un à haut risque et l’autre à faible risque, qui se distinguent clairement en termes de risque de récidive.
« L’un des grands avantages de la méthode est qu’elle est rentable et rapide, puisqu’elle est basée sur des images microscopiques d’échantillons de tissus colorés, ce qui fait déjà partie de la procédure hospitalière », explique le codernier auteur, Johan Hartman, professeur de pathologie au département d’oncologie-pathologie du Karolinska Institutet et pathologiste à l’hôpital universitaire Karolinska. « Cela nous permet de proposer ce type de diagnostic à un plus grand nombre de personnes et améliore notre capacité à donner le bon traitement à chaque patient. »
Le modèle d’IA a été entraîné à reconnaître les caractéristiques des images microscopiques à haute résolution de patients classés avec des tumeurs de grade 1 et de grade 3. L’étude est basée sur une vaste banque d’images microscopiques de 2 800 tumeurs.
« Il est fantastique que l’apprentissage profond puisse nous aider à développer des modèles qui ne se contentent pas de reproduire ce que les médecins spécialistes font aujourd’hui, mais qui nous permettent également d’extraire des informations au-delà de la portée de l’œil humain », déclare le codernier auteur Mattias Rantalainen, professeur associé et chef de groupe de recherche au département d’épidémiologie médicale et de biostatistique du Karolinska Institutet.
La méthode n’est pas encore prête pour une application clinique, mais un produit approuvé par les autorités réglementaires est en cours de développement par une société nouvellement créée, Stratipath AB, qui est soutenue par KI Innovations. Les chercheurs vont maintenant poursuivre l’évaluation de la méthode dans le but de mettre un produit sur le marché d’ici 2022.
Source :
