AI Eye pourrait être la meilleure option pour prédire les résultats du cancer du cerveau
Une étude récente menée par des chercheurs de l’Université York suggère qu’une technique innovante d’intelligence artificielle (IA) qu’ils ont développée est considérablement plus efficace que l’œil humain lorsqu’il s’agit de prédire les résultats du traitement chez les patients présentant des métastases cérébrales. L’équipe espère que la nouvelle recherche et la nouvelle technologie pourraient éventuellement conduire à des plans de traitement plus adaptés et à de meilleurs résultats de santé pour les patients atteints de cancer.
«Il s’agit d’une analyse sophistiquée et complète des IRM pour trouver des caractéristiques et des modèles qui ne sont généralement pas capturés par l’œil humain», déclare le titulaire de la chaire de recherche York Ali Sadeghi-Naini, professeur agrégé de génie biomédical et d’informatique à l’École d’ingénierie Lassonde, et diriger l’étude.
« Nous espérons que notre technique, qui est une nouvelle méthode prédictive basée sur l’IA pour détecter l’échec de la radiothérapie dans les métastases cérébrales, pourra aider les oncologues et les patients à prendre des décisions plus éclairées et à ajuster le traitement dans une situation où le temps presse. »
Des études antérieures ont montré qu’en utilisant des pratiques standard, telles que l’imagerie IRM – évaluant la taille, l’emplacement – et le nombre de métastases cérébrales – ainsi que le type de cancer primaire et l’état du patient, les oncologues sont capables de prédire l’échec du traitement (défini comme une croissance continue de la tumeur) environ 65 % du temps. Les chercheurs ont créé et testé plusieurs modèles d’IA et leur meilleur avait une précision de 83 %.
Les métastases cérébrales sont un type de tumeur cancéreuse qui se développe lorsque des cancers primitifs des poumons, des seins, du côlon ou d’autres parties du corps se propagent au cerveau via la circulation sanguine ou le système lymphatique. Bien qu’il existe diverses options de traitement, la radiothérapie stéréotaxique est l’une des plus courantes, avec un traitement consistant en des doses concentrées de rayonnement ciblées sur la zone de la tumeur.
« Toutes les tumeurs ne répondent pas aux radiations – jusqu’à 30% de ces patients ont une croissance continue de leur tumeur, même après le traitement », explique Sadeghi-Naini. « Ceci n’est souvent découvert que des mois après le traitement via une IRM de suivi. »
Ce délai est le temps que les patients atteints de métastases cérébrales ne peuvent pas se permettre, car il s’agit d’une maladie particulièrement débilitante, la plupart des personnes succombant à la maladie entre trois mois et cinq ans après le diagnostic. « Il est très important de prédire la réponse au traitement avant même que celui-ci ne commence », poursuit Sadeghi-Naini.
À l’aide d’une technique d’apprentissage automatique connue sous le nom d’apprentissage en profondeur, les chercheurs ont créé des réseaux de neurones artificiels entraînés sur un grand nombre de données, puis ont appris à l’IA à accorder plus d’attention à des domaines spécifiques.
« Lorsque vous regardez une IRM, vous voyez des zones à l’intérieur ou autour de la tumeur où l’intensité et le schéma sont différents, vous vous occupez donc davantage de ces parties avec votre système de vision », explique Sadeghi-Naini. «Mais un algorithme d’IA est aveugle à cela. Le mécanisme d’attention que nous avons intégré à l’algorithme aide ces outils d’IA à savoir quelle partie de ces images est la plus importante et à y accorder plus de poids pour l’analyse et la prédiction.
L’étude, désormais disponible en ligne, a été publiée dans le IEEE Journal of Translational Engineering in Health and Medicine. Partiellement financé par le Terry Fox Research Institute (TFRI), le travail de modélisation a été effectué au laboratoire de Sadeghi-Naini au campus Keele de York avec le doctorant de York Ali Jalalifar, premier auteur de l’étude. En ce qui concerne l’acquisition de données et l’interprétation des résultats de plus de 120 patients, l’équipe a pu tirer parti de la relation de collaboration de longue date de York avec le Sunnybrook Health Sciences Centre à Toronto. Parmi les autres bailleurs de fonds de l’étude figuraient le Conseil de recherches en sciences naturelles et en génie du Canada (CRSNG) et la Hatch Memorial Foundation.
Sadeghi-Naini dit que bien que des recherches supplémentaires soient nécessaires, les résultats indiquent que l’IA est un outil potentiellement important dans la gestion de précision des métastases cérébrales et même d’autres types de cancer sur toute la ligne.
La prochaine étape pour adopter cela en tant que pratique clinique consisterait à examiner une cohorte plus importante avec un ensemble de données multi-institutionnel, à partir de là, un essai clinique pourrait être développé. « Si les traitements standard peuvent être adaptés aux patients en fonction de leur réponse aux traitements – qui peut être prédite avant même le début du traitement – il y a de fortes chances que la survie globale des patients puisse être améliorée », conclut-il.
Référence: Jalalifar SA, Soliman H, Sahgal A, Sadeghi-Naini A. Un réseau résiduel profond 3D guidé par l’auto-attention avec un gros transfert pour prédire l’échec local des métastases cérébrales après radiothérapie à l’aide d’une IRM multicanal. IEEE J. Trad. Ing. Santé Médicale. 2023;11:13-22. doi : 10.1109/JTEHM.2022.3219625
Cet article a été republié à partir de ce qui suit matériaux. Remarque : le matériel peut avoir été modifié pour la longueur et le contenu. Pour plus d’informations, veuillez contacter la source citée.