L'intelligence artificielle meilleure que les humains pour détecter le cancer du poumon
Les chercheurs ont utilisé un algorithme d'apprentissage en profondeur pour détecter avec précision le cancer du poumon à partir de tomodensitométries. Les résultats de l'étude indiquent que l'intelligence artificielle peut surpasser l'évaluation humaine de ces scans.
Le cancer du poumon cause près de 160 000 décès aux États-Unis, selon les estimations les plus récentes. La maladie est la principale cause de décès lié au cancer aux États-Unis, et une détection précoce est cruciale à la fois pour arrêter la propagation des tumeurs et améliorer les résultats des patients.
Comme alternative aux radiographies pulmonaires, les professionnels de la santé ont récemment utilisé la tomodensitométrie (TDM) pour dépister le cancer du poumon.
En fait, certains scientifiques affirment que la tomodensitométrie est supérieure aux rayons X pour la détection du cancer du poumon, et la recherche a montré que la tomodensitométrie à faible dose (LDCT) en particulier a réduit le nombre de décès par cancer du poumon de 20%.
Cependant, un taux élevé de faux positifs et de faux négatifs éclate toujours la procédure LDCT. Ces erreurs retardent généralement le diagnostic du cancer du poumon jusqu'à ce que la maladie ait atteint un stade avancé où elle devient trop difficile à traiter.
De nouvelles recherches peuvent se prémunir contre ces erreurs. Un groupe de scientifiques a utilisé des techniques d'intelligence artificielle (IA) pour détecter les tumeurs pulmonaires dans les scans LDCT.
Daniel Tse, du groupe Google Health Research à Mountain View, Californie, est l'auteur correspondant de l'étude, dont les résultats apparaissent dans la revue Médecine de la nature.
«Le modèle a surpassé les six radiologues»
Tse et ses collègues ont appliqué une forme d'IA appelée apprentissage en profondeur à 42290 scans LDCT, auxquels ils ont accédé à partir du Northwestern Electronic Data Warehouse et d'autres sources de données appartenant aux hôpitaux Northwestern Medicine de Chicago, IL.
L'algorithme d'apprentissage en profondeur permet aux ordinateurs d'apprendre par l'exemple. Dans ce cas, les chercheurs ont formé le système à l'aide d'un scan LDCT principal avec un scan LDCT antérieur, s'il était disponible.
Les analyses LDCT antérieures sont utiles car elles peuvent révéler un taux de croissance anormal des nodules pulmonaires, indiquant ainsi une malignité.
Dans la présente étude, l'IA a fourni un «système automatisé d'évaluation d'images» qui prédisait avec précision la malignité des nodules pulmonaires sans aucune intervention humaine.
Les chercheurs ont comparé les évaluations de l'IA avec celles de six radiologues américains certifiés par le conseil d'administration qui avaient jusqu'à 20 ans d'expérience clinique.
Lorsque les scans LDCT antérieurs n'étaient pas disponibles, le modèle d'IA «a surpassé les six radiologues avec des réductions absolues de 11% des faux positifs et de 5% des faux négatifs», rapportent Tse et ses collègues. Lorsque l'imagerie précédente était disponible, l'IA fonctionnait aussi bien que les radiologues.
Le co-auteur de l'étude, le Dr Mozziyar Etemadi, professeur assistant de recherche en anesthésiologie à la Northwestern University Feinberg School of Medicine de Chicago, explique pourquoi l'IA peut surpasser l'évaluation humaine.
«Les radiologues examinent généralement des centaines d’images 2D ou de« coupes »en une seule tomodensitométrie, mais ce nouveau système d’apprentissage automatique visualise les poumons dans une immense et unique image 3D», explique le Dr Etemadi.
«L'intelligence artificielle en 3D peut être beaucoup plus sensible dans sa capacité à détecter un cancer du poumon précoce que l'œil humain regardant des images 2D. Il s'agit techniquement de «4D» car il ne s'agit pas seulement d'un scanner, mais de deux (scan actuel et précédent) au fil du temps. "
Dr Mozziyar Etemadi
«Afin de construire l'IA pour visualiser les TC de cette manière, vous avez besoin d'un énorme système informatique à l'échelle de Google», poursuit-il. «Le concept est nouveau, mais l’ingénierie réelle de celui-ci est également nouvelle en raison de l’échelle.»
Le Dr Etemadi poursuit en vantant les avantages de l'utilisation de la technologie d'apprentissage en profondeur, en mettant l'accent sur sa précision. «Le système peut catégoriser une lésion avec plus de spécificité», explique le chercheur.
«Non seulement pouvons-nous mieux diagnostiquer une personne atteinte de cancer, mais nous pouvons également dire si une personne n’a pas de cancer, ce qui pourrait la sauver d’une biopsie pulmonaire invasive, coûteuse et risquée», conclut le Dr Etemadi.
Les chercheurs préviennent cependant qu'il est d'abord nécessaire de valider ces résultats dans des cohortes plus importantes.
