L'intelligence artificielle continue son chemin dans l'analyse de données médicales complexes. La récente découverte provient des travaux du groupe de recherche dirigé par Yamamoto, le premier auteur de l'étude, et Go Kimura, en collaboration avec un certain nombre d'hôpitaux universitaires au Japon. La technologie d'intelligence artificielle développée par le RIKEN Center for Advanced Intelligence Project (AIP) au Japon a permis aux chercheurs de trouver des caractéristiques dans les images de pathologie de patients humains atteints de cancer, sans annotation, qui pourraient être comprises par des médecins humains, a rapporté Medical Xpress, un site Web de nouvelles médicales et de santé.Mieux encore, l'IA de RIKEN a identifié des caractéristiques pertinentes pour le pronostic du cancer qui n'avaient pas été notées auparavant par les pathologistes. Ce qui a conduit à l'obtention d’une plus grande précision de la récurrence du cancer de la prostate par rapport au diagnostic établi par les pathologistes. Selon l’étude publiée dans la revue scientifique Nature Communications, la combinaison des prédictions de l'IA avec celles des pathologistes humains a permis d'obtenir une précision encore plus grande.
Selon Yoichiro Yamamoto, « cette technologie pourrait contribuer à la médecine personnalisée en rendant possible une prédiction de la récurrence du cancer très précise grâce à l'acquisition de nouvelles connaissances à partir des images. Elle pourrait également contribuer à la compréhension de la façon dont l'IA peut être utilisée en toute sécurité en médecine, en aidant à résoudre le problème de l'IA considérée comme une "boîte noire" ».
Le groupe de biologistes a adopté une approche appelée "apprentissage non supervisé". Plutôt que d'apprendre à leur modèle IA des connaissances médicales, les chercheurs ont procédé en demandant à l'IA d'apprendre en utilisant des réseaux neuronaux profonds non supervisés, connus sous le nom d'auto-codeurs, sans qu'aucune connaissance médicale ne lui soit communiquée. Les chercheurs ont ensuite mis au point une méthode pour traduire les caractéristiques trouvées par l'IA – qui étaient seulement des chiffres au départ – en images à haute résolution pouvant être comprises par les humains, lit-on dans le rapport.
Le modèle a été formé sur une quantité énorme de données, environ 86 milliards de patchs d'images (sous-images divisées pour les réseaux neuronaux profonds) obtenus à partir de 13 188 diapositives de pathologie de la prostate de l'hôpital de la Nippon Medical School (NMSH), selon le rapport. Le calcul a été effectué sur le puissant superordinateur RAIDEN de l'AIP.
RAIDEN, le superordinateur de l'AIP
Selon le rapport, pour parvenir à ces nouveaux résultats, l'IA a appris en utilisant des images de pathologie sans annotation diagnostique à partir de 11 millions de patchs d'images. Les caractéristiques trouvées par l'IA comprenaient des critères de diagnostic du cancer qui ont été utilisés dans le monde entier, sur le score de Gleason, mais aussi des caractéristiques impliquant le stroma – les tissus conjonctifs soutenant un organe – dans des zones non cancéreuses que les experts ne connaissaient pas.
Afin d'évaluer ces caractéristiques trouvées par l'IA, le groupe de recherche a vérifié la performance de la prédiction de la récurrence en utilisant les cas résiduels du NMSH (validation interne). Le groupe a constaté que les caractéristiques découvertes par l'IA étaient plus précises (avec un score de Gleason de AUC = 0,820) que les prédictions faites à partir des critères de cancer établis par les pathologistes (AUC = 0,744).
Mais l’étude a surtout montré que la combinaison des caractéristiques découvertes par l'IA et des critères établis par l'homme a permis de prédire la récurrence avec plus d'exactitude que l'utilisation de l'une ou l'autre méthode seule (AUC = 0,842). Pour confirmer ses résultats, le groupe de biologistes a utilisé un autre ensemble de données comprenant 2 276 images de pathologie (10 milliards de patchs d'images) provenant de l'hôpital universitaire St. Marianna et de l'hôpital universitaire médical d'Aichi (validation externe).
« J'étais très heureux », a dit Yamamoto, « de découvrir que l'IA était capable d'identifier le cancer par elle-même à partir d'images pathologiques non annotées. J'ai été extrêmement surpris de voir que l'IA a trouvé des caractéristiques qui peuvent être utilisées pour prédire les récidives que les pathologistes n'avaient pas identifiées ».
Il a poursuivi en disant : « Nous avons montré que l'IA peut automatiquement acquérir des connaissances compréhensibles par l'homme à partir d'images histopathologiques sans annotation diagnostique. Ces connaissances "néonatales" pourraient être utiles aux patients en permettant des prédictions très précises de la récurrence du cancer. Ce qui est très bien, c'est que nous avons constaté que la combinaison des prédictions de l'IA avec celles d'un pathologiste augmentait encore plus la précision, montrant que l'IA peut être utilisée main dans la main avec les médecins pour améliorer les soins médicaux. De plus, l'IA peut être utilisée comme un outil pour découvrir les caractéristiques de maladies qui n'ont pas été notées jusqu'à présent, et comme elle ne nécessite pas de connaissances humaines, elle pourrait être utilisée dans d'autres domaines que la médecine ».
Des précédents rapports ont attribué d’autres découvertes importantes dans le domaine médical à la technologie d’IA. Les chercheurs de Google sur l’intelligence artificielle travaillant avec l’hôpital universitaire de Northwestern ont créé un modèle d'IA dont la capacité de détection du cancer du poumon surpasse celle de six radiologistes humains, a annoncé Google en mai dernier.
En 2018, une équipe de chercheurs de l'Université de Loughborough, du Western General Hospital, de l'Université d'Edimbourg et du centre de cancer d’Edinburgh au Royaume-Uni a développé une méthode basée sur le « deep learning » qui permet d'analyser des composés dans le souffle humain avec une performance moyenne élevée que celle des humains. Selon le rapport de l’étude, leur méthode a permis de détecter les signes de maladies dans le souffle humain.
Le « deep learning » est un domaine d’étude de l'IA qui utilise des réseaux neuronaux artificiels multicouches pour fournir une précision de pointe dans des tâches telles que la détection d'objets, la reconnaissance vocale, la traduction de langues et autres. Plus un modèle IA reçoit de bonnes informations, mieux il s'améliore à mesure que la puissance de calcul augmente. La technologie d'intelligence artificielle développée par le RIKEN Center for Advanced Intelligence Project pourrait rendre possible une prédiction de la récurrence du cancer très précise et aider à l’utilisation de l’IA en toute sécurité en médecine.
Source : Nature Communications
Et vous ?
Que pensez-vous des résultats de cette étude ? Que pensez-vous du score de Gleason obtenu par l’IA de RIKEN ? L’IA de RIKEN pourrait aider à l’utilisation de l’IA en toute sécurité en médecine, selon les chercheurs. Qu’en pensez-vous ?Lire aussi
Guerbet et IBM annoncent un partenariat stratégique pour développer une solution IA, d'aide au diagnostic et au suivi du cancer du foie Google crée une IA de détection du cancer du poumon qui surpasse celle de six radiologistes humains, après examen de 45 856 scanners thoraciques Des chercheurs mettent au point une IA apte à détecter les signes de maladies dans le souffle humain, en utilisant des techniques de deep learning Microsoft annonce un partenariat axé autour du machine learning et de l'IA, pour cartographier le système immunitaire et prodiguer de meilleurs soins 
Envoyé par Kapeutini
