Parmi les grandes applications médicales de l’intelligence artificielle (IA), il y a le diagnostic, et dans cette étude de l’Université de Kyoto, la possibilité d’améliorer celui des tumeurs cérébrales. Cet outil d'apprentissage automatique très précis, documenté dans la revue de l’Institute of Electrical and Electronics Engineers (IEEE Access) va aider les médecins à adapter les traitements personnalisés aux personnes atteintes de gliome.
Cette nouvelle approche permet de classer les gliomes selon leur grade, faibles ou élevés avec une précision de près de 98%. Ce nouvel outil diagnostique basé sur la « radiomique » va permettre aux cliniciens d’opter pour la stratégie de traitement la plus efficace pour chaque patient de manière personnalisée.
La radiomique au service du diagnostic
Les gliomes sont un type courant de tumeur cérébrale affectant les cellules gliales, qui fournissent un soutien et une isolation aux neurones. Le traitement des patients varie en fonction de l'agressivité de la tumeur, il est donc important de poser le bon diagnostic pour chaque individu. Les radiologues obtiennent une très grande quantité de données à partir d'IRM pour reconstruire une image 3D du tissu scanné. Une grande partie des données disponibles via ces examens d'IRM n’est pas détectable à l'œil nu : c’est en particulier le cas de détails liés à la forme, à la texture ou à l'intensité de l'image de la tumeur. C’est là que l’IA apporte toute son efficacité : ses algorithmes permettent d'extraire et d’analyser ces données.
Une approche d'apprentissage automatique qui peut classer les gliomes : cette équipe de bio-ingénieurs est donc parvenue à développer une approche d'apprentissage automatique qui peut classer les gliomes en bas ou haut grade avec une précision de 97,54%. Le choix du traitement du patient dépendant en grande partie du classement du gliome. Les scientifiques sont partis d’un ensemble de données provenant d'IRM de 210 patients atteints de gliomes de haut grade et de 75 patients avec gliomes de bas grade. L’approche appelée CGHF (pour computational decision support system for glioma classification using hybrid radiomics and stationary wavelet-based features), ou système d'aide à la classification des gliomes par radiomique permet de traiter ces données d’IRM et de classer les gliomes avec précision.
La méthode surpasse les autres approches de pointe pour identifier le grade des gliomes
« Nous espérons que l'IA nous permettra finalement de développer une machine semi-automatique ou automatique qui pourra aider les médecins à partir d’une meilleure classification des gliomes, à adapter leur approche thérapeutique ».
Source: IEEE Access 21 April, 2020 DOI: 10.1109/ACCESS.2020.2989193 CGHF: A Computational Decision Support System for Glioma Classification Using Hybrid Radiomics- and Stationary Wavelet-Based Features
Plus sur Cancer Blog
Plus sur l’IA
