Ces dernières années, le deep learning (ou apprentissage automatique par modélisation) a permis d’accoucher de la reconnaissance faciale ou vocale, permettant alors de lire, trier, vérifier une quantité phénoménale d’images. Une fonctionnalité vitale puisque le travail des radiologues en cancérologie s’avère immense. Particulièrement avec le dépistage national du cancer du sein, du cancer colorectal et, depuis janvier 2019, du cancer du col de l’utérus. « En cancérologie, on fait énormément de radios, de mammographies, d’IRM, de scanners », explique le Dr Alain Livartowski, directeur des datas de l’Ensemble hospitalier de l’Institut Curie et responsable des projets eSanté. Autant de documents que les médecins mettront moins de temps à analyser et avec moins de marge d’erreur.

Pour lutter contre les cancers

« Concernant le cancer du poumon, tenter de repérer des petits nodules sur un scanner du thorax revient à chercher une aiguille dans une botte de foin. Là, l’algorithme va dire où sont les nodules, quelle est leur taille, s’ils ont grossi, et donner une probabilité de cancer », note Gaspard d’Assignies (radiologue et cofondateur d’Incepto). « À l’avenir, on pourrait imaginer qu’une mammographie, qui est aujourd’hui lue par deux médecins, parfois à plusieurs jours d’écart, sera examinée directement par le radiologue et la machine, pour délivrer un diagnostic plus rapidement. » Du stress en moins pour la patiente, et un temps précieux gagné quand le cancer est déjà bien installé.

« Cet appui d’algorithmes va aussi permettre à des radiologues non spécialisés (par exemple dans le cancer du sein) d’arriver à un niveau de performance comme s’ils étaient des experts. Ainsi, dans un désert médical, où les médecins doivent traiter de nombreuses pathologies différentes, l’IA peut se révéler une aide précieuse pour diagnostiquer un cancer rare». 

Une véritable amélioration du suivi

En effet, pouvoir comparer l’évolution des lésions cancéreuses d’un patient et à des groupes de patients permet de voir si le traitement est le bon ou non. « Et donc de changer la prise en charge beaucoup plus tôt », insiste Gaspard d’Assignies. « Quand on prescrit à un patient un traitement d’immunothérapie,dans de rares cas, au lieu de faire régresser la tumeur, ça l’a fait progresser, illustre Alain Livartowski. À partir d’importantes bases de données, cet outil va permettre de mieux prédire l’efficacité du traitement, c’est fondamental». 

Confidentialité des données

Dès 2000, l’Institut Curie a numérisé les dossiers des patients et ainsi rassemblé plus de 17 millions de comptes rendus de consultation, de chirurgie, de radiothérapie et de chimio concernant 500.000 patients. Les données pour les soins, tant qu’elles restent confidentielles peuvent même être utilisées pour la recherche.

Source

Une démocratisation à venir

Petit à petit, cette technologie va se démocratiser même si ces technologies nécessitent du temps et des moyens.

Ce sont clairement des problématiques sur lesquels travaille activement Snaike, notamment avec le projet de Prévention du mélanome malin, pour augmenter fortement le nombre de dépistages sur un territoire. Mais aussi orienter plus rapidement le patient vers un dermatologue lorsque la prédiction s’oriente vers un mélanome malin. Et donc de réduire le temps d’attente du patient dans son suivi de grains de beauté et réduire le temps de développement de la maladie.

Pour en savoir plus, n’hésitez pas à nous contacter.

Laisser un commentaire

Votre adresse de messagerie ne sera pas publiée. Les champs obligatoires sont indiqués avec *