SFRO 2021- Intelligence artificielle : du diagnostic à la radiothérapie
- Caroline Guignot
- Actualités Congrès
L’intelligence artificielle (IA) a déjà une place dans la routine médicale. Une session a été dédiée aux perspectives associées à son utilisation dans le cadre du congrès de la SFRO, qui s’est tenu du 6 au 8 octobre 2021 à Paris.
Dans le domaine du diagnostic, l’IA offre d’abord le moyen d’améliorer la résolution lors de l’acquisition d’images, ce qui permet de réduire jusqu’à 4 fois la durée de l’imagerie, ou encore de limiter la quantité de traceur à injecter. Sur le plan de l’interprétation, des outils d’IA commencent à s’implanter dans les laboratoires. Certains apportent une aide au diagnostic que le praticien sait faire et peut proposer une analyse automatique qu’il reste à valider par le praticien. Et d’autres offre des analyses que le praticien ne sait pas faire ; c’est par exemple le cas d’outils qui analysent longitudinalement des imageries prises à différents temps (pour signifier par exemple l’évolution ou la régression des plaques et apporter des éléments semi-quantitatifs dans la SEP) ou pour coupler plusieurs éléments dans l’analyse d’une seule image (amélioration de la spécificité du diagnostic du cancer du sein ou évaluation de la probabilité d’un cancer du sein à partir de l’analyse d’image par l’IA).
Dans la prédiction de la réponse au traitement
L’IA offre une dimension supplémentaire à l’identification de facteurs pronostiques ou prédictifs de réponse au traitement parce qu’elle peut prendre en charge de bien plus amples paramètres que ne le permettent les analyses statistiques utilisées habituellement. Ici, il s’agit d’alimenter un algorithme d’apprentissage automatique qui permet d’intégrer des éléments plus nombreux et spécifiques comme par exemple, les données d’imagerie, d’anatomopathologie ou de biologie. Le deep learning, qui repose plutôt sur l’analyse en réseau de données non structurées (non identifiées) se développe également.
C’est dans cette dynamique que se développe aussi la radiomique, soit l’analyse informatique des imageries médicales, et qui reflète la structure tissulaire mais aussi la composition moléculaire et cellulaire (hétérogénéité, texture, micro-environnement …). Ainsi, des modèles ont comparé les données de l’imagerie avant et après irradiation de cancers du rectum localement avancés et ont montré que les caractéristiques radiomiques de l’IRM avant ou après traitement étaient dans les deux cas corrélées à la réponse complète de la tumeur, avec une performance (AUC) très élevée. Ceci a pu être décrit pour d’autres localisations tumorales.
De la même façon, des modèles de dosiomique fondés sur la répartition des doses au sein du volume irradié, ou la pathomique, qui utilise les données histopathologiques, font l’objet d’exploitation via IA afin de générer de nouveaux biomarqueurs, plus spécifiques pour le pronostic, l’aide à la décision thérapeutique (opportunité d’une irradiation), ou encore pour l’identification des régions à risque de récidive favorisant une approche de dose painting (délivrance d’une dose hétérogène dans le volume tumoral, adaptée aux disparités de ce dernier). Ces différents domaines de recherche sont à la fois nombreux mais pour la plupart préliminaires. Leur validation par des études prospectives solides manquent encore pour la plupart...
Malheureusement, l’accès à l’intégralité de cet article est reservé uniquement aux professionnels de santé disposant d’un compte.
Vous avez atteint la limite d'articles par visiteur
Inscription gratuite Disponible uniquement pour les professionnels de santé
