L’intelligence artificielle peut-elle révolutionner la détection de la propagation du cancer de l’estomac ?
Le cancer de l’estomac est un problème de santé majeur à l’échelle mondiale. Il se classe au cinquième rang des cancers les plus fréquents et constitue la troisième cause de décès liés au cancer. En Chine, il est particulièrement répandu et mortel. Au moment du diagnostic, le cancer s’est souvent déjà propagé à d’autres parties du corps. L’une des principales voies de propagation passe par les ganglions lymphatiques, de petites structures en forme de haricot qui font partie du système immunitaire. Savoir si le cancer a atteint ces ganglions est crucial pour planifier le meilleur traitement. Cependant, les méthodes actuelles de vérification, comme les scanners (un type de radiographie détaillée), ne sont pas toujours précises. Elles peuvent manquer des cancers ou suggérer à tort leur présence.
C’est là que l’intelligence artificielle (IA) entre en jeu. Les chercheurs explorent actuellement comment l’IA peut aider les médecins à mieux détecter si le cancer de l’estomac s’est propagé aux ganglions lymphatiques. Plus précisément, ils utilisent un type d’IA appelé apprentissage profond (deep learning), qui imite le fonctionnement du cerveau humain, pour analyser les scanners avec plus de précision. Cela pourrait conduire à de meilleures décisions de traitement et à des résultats améliorés pour les patients.
Comment l’IA aide-t-elle à détecter la propagation du cancer ?
Pour comprendre comment l’IA peut aider, examinons d’abord le problème qu’elle tente de résoudre. Lorsque les médecins suspectent un cancer de l’estomac, ils utilisent souvent des scanners pour vérifier si le cancer s’est propagé aux ganglions lymphatiques voisins. Ces scanners produisent des images détaillées de l’intérieur du corps. Cependant, interpréter ces images est complexe. Les ganglions lymphatiques peuvent ressembler à d’autres structures, comme les vaisseaux sanguins ou la graisse, ce qui rend difficile de déterminer s’ils sont affectés par le cancer. Même les médecins expérimentés peuvent commettre des erreurs.
Pour résoudre ce problème, les chercheurs ont utilisé un type spécifique d’IA appelé Réseaux de Neurones Convolutifs basés sur des Régions Rapides (FR-CNN). Cette IA est conçue pour reconnaître des motifs dans les images, un peu comme le ferait un radiologue (un médecin spécialisé dans l’interprétation des images médicales). L’objectif était d’entraîner l’IA à repérer les ganglions lymphatiques potentiellement affectés par le cancer avec plus de précision que les méthodes traditionnelles.
Comment l’IA a-t-elle été entraînée ?
L’étude a consisté à examiner les dossiers médicaux de 750 patients atteints de cancer de l’estomac ayant subi des scanners dans un hôpital en Chine entre 2011 et 2018. Parmi eux, 250 patients ont vu leurs ganglions lymphatiques vérifiés après une chirurgie, confirmant si le cancer s’était propagé. Les chercheurs ont utilisé ces données pour entraîner l’IA.
Le processus d’entraînement s’est déroulé en deux étapes. Dans la première étape, l’IA a été exposée à plus de 18 000 images de scanners provenant de 313 patients, ainsi qu’à 1 371 images où les ganglions lymphatiques avaient été marqués par des radiologues. Ces images marquées ont aidé l’IA à apprendre ce qu’il fallait rechercher. Dans la deuxième étape, l’IA a été exposée à plus de 11 000 images provenant de 189 patients, ainsi qu’à 1 004 images marquées. Cela a permis à l’IA d’affiner sa capacité à repérer les ganglions lymphatiques.
L’IA a été entraînée en utilisant une technique d’apprentissage profond, où elle a analysé les images et ajusté ses paramètres internes pour améliorer sa précision. Elle a commencé avec des paramètres pré-entraînés provenant d’une grande base de données d’images appelée ImageNet, puis les a affinés en utilisant les données du cancer de l’estomac.
Quels ont été les résultats ?
Les résultats ont été prometteurs. Dans la première étape d’entraînement, l’IA a obtenu un score de précision moyenne (mAP) de 0,5019, qui mesure sa capacité à identifier les ganglions lymphatiques. L’aire sous la courbe ROC (AUC), une autre mesure de précision, était de 0,8995. Après la deuxième étape d’entraînement, ces chiffres sont passés à 0,7801 et 0,9541, respectivement. Cela signifie que l’IA est devenue beaucoup plus efficace pour repérer les ganglions lymphatiques affectés par le cancer.
Globalement, l’IA a atteint une précision de reconnaissance de 95,4 %, ce qui est nettement supérieur aux méthodes traditionnelles. Elle pouvait également examiner les ganglions lymphatiques sous différents angles, réduisant ainsi les risques de manquer un cancer ou de confondre d’autres structures avec des ganglions lymphatiques.
Pourquoi est-ce important ?
Détecter avec précision si le cancer de l’estomac s’est propagé aux ganglions lymphatiques est crucial pour planifier le traitement. Si le cancer s’est propagé, les patients peuvent avoir besoin de chimiothérapie avant la chirurgie pour réduire la tumeur et améliorer leurs chances de survie. Connaître le nombre exact, la taille et l’emplacement des ganglions affectés aide les médecins à décider de la meilleure approche.
La capacité de l’IA à analyser rapidement et précisément les scanners peut également être utile pendant la chirurgie. Par exemple, elle peut guider les médecins pour retirer les bons ganglions lymphatiques, ce qui est essentiel pour améliorer les résultats des patients. De plus, l’IA réduit le risque d’erreur humaine et de fatigue, assurant des résultats plus cohérents et fiables.
Qu’est-ce que cela signifie pour l’avenir ?
Cette étude montre que l’IA a le potentiel de transformer la manière dont les médecins détectent et traitent le cancer de l’estomac. En utilisant l’apprentissage profond pour analyser les scanners, l’IA peut fournir des informations plus précises et détaillées sur les ganglions lymphatiques, aidant les médecins à prendre de meilleures décisions. Cela pourrait conduire à des résultats améliorés pour les patients et à un système de santé plus efficace.
Cependant, il est important de noter que cette technologie est encore en phase de recherche. D’autres études sont nécessaires pour confirmer son efficacité et s’assurer qu’elle peut être utilisée de manière sûre et généralisée dans les hôpitaux. Mais les premiers résultats sont encourageants et suggèrent que l’IA pourrait jouer un rôle clé dans la lutte contre le cancer de l’estomac.
Conclusion
Le cancer de l’estomac est une maladie grave et souvent mortelle, en particulier lorsqu’il se propage aux ganglions lymphatiques. Les méthodes traditionnelles de détection de cette propagation à l’aide de scanners ne sont pas toujours précises, ce qui peut entraîner des diagnostics manqués ou des traitements inutiles. Cette étude montre que l’IA, en particulier les FR-CNN, peut considérablement améliorer la précision de la détection de la propagation aux ganglions lymphatiques chez les patients atteints de cancer de l’estomac. En analysant les scanners avec plus de précision, l’IA aide les médecins à prendre de meilleures décisions de traitement, ce qui pourrait améliorer les résultats des patients. Bien que des recherches supplémentaires soient nécessaires, cette technologie représente une avancée prometteuse dans les soins contre le cancer.
À des fins éducatives uniquement.
doi.org/10.1097/CM9.0000000000000532