Patient consultation

Des perspectives pour les malades

Émilie Gillet
15/05/2019
Partager
De nombreux laboratoires de recherche se sont emparés de ces nouveaux outils d’IA.

Récemment, plusieurs équipes internationales ont ainsi mis au point des algorithmes capables de diagnostiquer un mélanome. Les programmes ont d’abord appris à reconnaître un mélanome en examinant et en comparant des dizaines de milliers d’images de lésions cancéreuses et de simples grains de beauté, puis ont été capables d’identifier des tumeurs atypiques avec plus de réussite que des médecins.

IRM, mammographie, TEP scan… Les images sont des données extrêmement intéressantes aujourd’hui pour l’IA, car elles contiennent énormément d’ informations. Si elles sont de qualité, et associées à des dossiers cliniques bien renseignés, c’est une excellente base de travail. Qui plus est, les algorithmes permettent de gommer les variations d’ interprétation qui existent entre deux médecins. Les programmes apprennent seuls à faire des rapprochements. Cela permet de défricher énormément de données et de découvrir de nouvelles pistes de recherche. 

explique Irène Buvat

Avec la même approche, une équipe Inserm-Université Paris Sud a ainsi suggéré qu’il pourrait être envisageable de prédire la réponse à l’immunothérapie de certaines tumeurs solides à partir d’une simple image scanner. Une autre, au Centre de recherche des Cordeliers, à Paris, a développé un algorithme qui pourrait déterminer à l’avance les patients ayant une réponse complète à la radiochimiothérapie afin de leur éviter une opération pour un cancer du rectum. De telles avancées devraient aussi être possibles à partir de données moléculaires ou génétiques. Certaines équipes utilisent encore l’IA pour analyser des milliers de génomes dans le cadre de la recherche sur les cancers rares ou pour déterminer de nouvelles cibles thérapeutiques par exemple.

Infographie Data