S'abonner

Apport de l’intelligence artificielle pour le diagnostic histologique des cancers : acquis et perspectives - 30/09/20

Doi : 10.1016/j.ando.2020.07.004 
P. Brousset, Pr
 Département de pathologie, Institut universitaire du cancer de Toulouse Oncopole, Toulouse, France 

Bienvenue sur EM-consulte, la référence des professionnels de santé.
Article gratuit.

Connectez-vous pour en bénéficier!

Résumé

Le diagnostic microscopique de cancer peut-être difficile mais surtout devient de plus en plus sophistiqué à l’ère de la médecine personnalisée. Les centres de pathologie qui ne possèdent pas d’accès à des techniques de marquage tissulaire complexes et à des techniques moléculaires de plus en plus basées sur le séquençage à haut débit n’ont plus leur place dans la prise en charge moderne des patients porteurs de cancer. Les techniques d’analyse d’image basées sur des dispositifs d’intelligence artificielle pourraient faire la synthèse entre des données phénotypiques et moléculaires complexes en prédisant le comportement tumoral sur le seule lecture d’images microscopiques de routine. Des données récentes de notre groupe au sein du réseau français (national) Lymphopath montrent que 20 % des diagnostics de lymphome sont inexacts, avec un impact direct sur les soins aux patients [1]. Une autre difficulté est la classification des sous-types de cancer pour prédire la réponse thérapeutique et le comportement clinique. Actuellement, les solutions automatisées qui pourraient aider à la prise de décisions diagnostiques ou au classement histologique font défaut. La microscopie numérique offre des fonctionnalités uniques qui ne sont pas disponibles en microscopie optique conventionnelle [2] et permet une analyse et une quantification automatisées des images en utilisant la vision par ordinateur et, en particulier, les approches d’apprentissage en profondeur ou deep learning (DL) [3]. En utilisant le DL sur des images microscopiques numériques à partir de lames histopathologiques de routine, nous avons montré qu’il était possible de répondre à deux questions : 1) On peut efficacement entrainer un réseau neuronal profond (DL) pour distinguer une lésion bénigne et d’une lésion maligne [4] ; 2) Le DL peut efficacement prédire le comportement d’une tumeur en combinant l’analyse des données cliniques, microscopiques et moléculaires. Cependant, deux obstacles majeurs à l’extension de l’utilisation de ces techniques sont apparus. D’une part, il est impossible de reproduire le niveau fiabilité de la prédiction quand les données d’entrées sont de sources diverses et forcément un minimum hétérogènes. D’autre part, l’effet « boite noire » des réseaux de neurones fait que les caractéristiques exactes sur lesquelles la décision est prise ne sont pas connues. Ces deux éléments représentent encore un verrou technologique dans l’exploitation industrielle de systèmes experts basés sur le DL.

Le texte complet de cet article est disponible en PDF.

Plan


© 2020  Publié par Elsevier Masson SAS.
Ajouter à ma bibliothèque Retirer de ma bibliothèque Imprimer
Export

    Export citations

  • Fichier

  • Contenu

Vol 81 - N° 4

P. 128 - septembre 2020 Retour au numéro
Article précédent Article précédent
  • Intelligence artificielle : applications en endocrinologie et exemple avec la startup Moon
  • J. Harroch
| Article suivant Article suivant
  • Insulinothérapie en boucle fermée : la comprendre pour mieux la mettre en œuvre
  • P.Y. Benhamou

Bienvenue sur EM-consulte, la référence des professionnels de santé.

Mon compte


Plateformes Elsevier Masson

Déclaration CNIL

EM-CONSULTE.COM est déclaré à la CNIL, déclaration n° 1286925.

En application de la loi nº78-17 du 6 janvier 1978 relative à l'informatique, aux fichiers et aux libertés, vous disposez des droits d'opposition (art.26 de la loi), d'accès (art.34 à 38 de la loi), et de rectification (art.36 de la loi) des données vous concernant. Ainsi, vous pouvez exiger que soient rectifiées, complétées, clarifiées, mises à jour ou effacées les informations vous concernant qui sont inexactes, incomplètes, équivoques, périmées ou dont la collecte ou l'utilisation ou la conservation est interdite.
Les informations personnelles concernant les visiteurs de notre site, y compris leur identité, sont confidentielles.
Le responsable du site s'engage sur l'honneur à respecter les conditions légales de confidentialité applicables en France et à ne pas divulguer ces informations à des tiers.


Tout le contenu de ce site: Copyright © 2024 Elsevier, ses concédants de licence et ses contributeurs. Tout les droits sont réservés, y compris ceux relatifs à l'exploration de textes et de données, a la formation en IA et aux technologies similaires. Pour tout contenu en libre accès, les conditions de licence Creative Commons s'appliquent.