Selon le National Cancer Institute , environ un homme sur neuf aux États-Unis va développer un cancer de la prostate au cours de sa vie , et plus de 2,9 millions de patients chez qui un tel diagnostic a été diagnostiqué sont toujours vivants. Et du point de vue du traitement, cela a tendance à être problématique - le cancer de la prostate est souvent non agressif, ce qui rend difficile de déterminer quelles procédures, le cas échéant, pourraient être nécessaires.

Google a fait des progrès dans le diagnostic, encourageant, à l'aide de l'intelligence artificielle (IA). Dans un article (" Développement et validation d'un algorithme d'apprentissage en profondeur pour améliorer le score de Gleason du cancer de la prostate de Gleason ") et un article de blog qui les accompagne , les chercheurs de Google AI décrivent un système utilisant le score de Gleason, un système de classification qui classe les cellules cancéreuses en fonction de elles ressemblent aux glandes prostatiques normales - pour détecter des masses problématiques dans des échantillons.

 
Selon le responsable technique Martin Stumpe et le chef de produit Google AI Healthcare Craig Mermel, l'objectif était de développer une intelligence artificielle capable d'effectuer le classement de Gleason de manière objective - et précise. Les études montrent que les pathologistes humains sont en désaccord sur les notes jusqu'à 53%.

«Nous avons développé un système d'apprentissage en profondeur (DLS) qui reflète le flux de travail d'un pathologiste en classant d'abord chaque région d'une diapositive en un motif de Gleason, les motifs inférieurs correspondant à des tumeurs ressemblant davantage aux glandes de la prostate normales», ont-ils écrit. «Plus le groupe d'âge est élevé, plus le risque de progression du cancer est grand et plus le patient bénéficiera du traitement.»

gleasons

Ci-contre : exemples de motifs de Gleason.

Les chercheurs ont mis au point le modèle d'Intelligence artificielle en recueillant tout d'abord des images anonymisées d'échantillons de prostatectomie, qui, selon eux, contiennent une quantité et une diversité de cancers de la prostate plus grandes que les biopsies à l'aiguille. Un groupe de 32 pathologistes généralistes a fourni des annotations des motifs de Gleason (ce qui a généré plus de 112 millions de patchs d'image annotés) et une note globale de groupe de Gleason pour chaque image. Afin d'atténuer la variabilité, chaque lame a été notée indépendamment par 3 à 5 pathologistes d'une cohorte de 29, en plus d'un pathologiste génito-urinaire .

Les résultats étaient prometteurs. Lors des tests, le modèle d'intelligence artificielle a atteint une précision globale de 70%, dépassant les 61% atteints par les pathologistes certifiés par le conseil d'administration américains ayant participé à l'étude. En outre, il a obtenu de meilleurs résultats que huit des dix pathologistes individuels «performants» qui ont évalué la diapositive de la série de validation, et ont mieux identifié les patients présentant un risque plus élevé de récidive de la maladie après la chirurgie. Enfin, il a permis de caractériser les tissus qui se trouvaient à cheval entre deux motifs de Gleason - par exemple, le motif de Gleason 3.3 ou 3.7, entre 3 et 4.

Les travaux futurs examineront comment le système pourrait être intégré aux flux de travail de diagnostic des pathologistes; comment cela pourrait-il être adapté pour travailler sur des biopsies de diagnostic de carottes d'aiguilles; et son impact global sur «l'efficacité, la précision et les capacités pronostiques». Les chercheurs préviennent cependant que sa précision devrait être améliorée avec des données de formation supplémentaires.

«Il reste encore beaucoup à faire avant de pouvoir utiliser des systèmes tels que notre système DLS pour améliorer les soins des patients atteints d'un cancer de la prostate», ont écrit Stumpe et Mermel. «Néanmoins, nous sommes enthousiasmés par le potentiel de telles technologies pour améliorer de manière significative le diagnostic du cancer et les soins aux patients.»

Google et Deepmind, sa filiale de recherche sur l'IA, sont impliqués dans plusieurs projets d'IA liés à la santé, notamment un  essai en cours  au département américain des Anciens Combattants qui cherche à prédire quand la situation des patients se détériorera pendant un séjour à l'hôpital. Auparavant, Deepmind s'était associé au National Health Service du  Royaume-Uni  pour développer un algorithme permettant de  rechercher les premiers signes de cécité et d'améliorer la détection du cancer du sein en appliquant l'apprentissage automatique à la mammographie.

source : KYLE WIGGERS -