Mirai : Détecter le cancer du sein plus tôt et réduire les dommages du dépistage
La mammographie est utilisée pour détecter les changements mammaires chez les femmes ne présentant aucun signe ou symptôme de cancer du sein.
Les organisations de santé du monde entier soutiennent le dépistage par mammographie pour une détection précoce du cancer, et il a prouvé sa valeur en réduisant la mortalité de 20 à 40%.
Bien qu'il s'agisse du meilleur outil de détection précoce, il y a de nombreux points à améliorer : faux positifs, faux négatifs, variations humaines dans l'interprétation des images et manque de radiologues spécialisés...
Mirai, en tant que système d'apprentissage profond, peut utiliser la puissance de l'intelligence artificielle pour prédire le développement du cancer du sein. Il comprend trois innovations clés :
- Modélisation conjointe des points temporels
- Utilisation sélective de facteurs de risque non-imagerie
- Garantie de performances cohérentes dans différents environnements cliniques
Cela permet à Mirai de fournir une évaluation précise des risques et de s'adapter à différents environnements cliniques.
Mirai peut non seulement prédire les risques des patients à différents moments dans le futur, mais aussi intégrer des facteurs de risque cliniques comme l'âge et les antécédents familiaux (le cas échéant).
De plus, il peut maintenir des résultats de prédiction stables malgré de petites différences cliniques (comme différents équipements de mammographie).
Un point prometteur du modèle est qu'il peut s'appliquer à différentes races.
Mirai a une précision comparable pour les femmes blanches et noires, ce qui représente un progrès majeur étant donné que le taux de mortalité par cancer du sein est 43% plus élevé chez les femmes noires que chez les femmes blanches.
Validation à grande échelle
Pour intégrer les modèles de risque basés sur l'imagerie dans les soins cliniques, les chercheurs doivent améliorer les algorithmes et les valider à grande échelle dans plusieurs hôpitaux.
L'équipe de recherche a formé Mirai sur plus de 200 000 examens du Massachusetts General Hospital (MGH) et l'a validé avec des données du MGH, de l'Institut Karolinska en Suède et de l'hôpital Chang Gung Memorial à Taiwan.
Mirai, maintenant installé au MGH, est nettement plus précis que les méthodes précédentes pour prédire les risques de cancer et identifier les personnes à haut risque.
Il surpasse le modèle Tyrer-Cuzick, identifiant presque deux fois plus de diagnostics de cancer futurs.
De plus, Mirai maintient sa précision dans différentes races, groupes d'âge, catégories de densité mammaire et sous-types de cancer.
Adam Yala, doctorant au CSAIL et premier auteur de l'article, déclare : "Les modèles améliorés de risque de cancer du sein peuvent permettre des stratégies de dépistage ciblées qui, par rapport aux approches fournies par les directives existantes, peuvent détecter le cancer du sein plus tôt et réduire les dommages du dépistage."
L'équipe collabore avec des cliniciens d'institutions du monde entier pour valider davantage le modèle dans différentes populations et étudier sa mise en œuvre clinique.
Actuellement, les chercheurs améliorent Mirai en utilisant l'historique complet des images des patients et en intégrant des technologies de dépistage avancées comme la tomosynthèse.
Ces améliorations peuvent affiner les directives de dépistage des risques, offrant un dépistage plus sensible aux personnes à haut risque tout en réduisant les procédures inutiles pour les autres.
Plus de recherches sur l'application de l'IA à la détection du cancer du sein
En plus de Mirai, Science recommande d'autres recherches sur la détection du cancer du sein par l'IA.
Pour améliorer le taux de survie au cancer du sein, des chercheurs ont conçu un dispositif à ultrasons portable qui permet aux patients de détecter les tumeurs à un stade précoce. Cette recherche provient également du MIT.
Anantha Chandrakasan, doyen de la School of Engineering du MIT, Vannevar Bush, professeur de génie électrique et d'informatique, et un auteur de cette étude déclarent :
"Ce travail exploitera les progrès dans les matériaux, les circuits à faible consommation, les algorithmes d'IA et les systèmes biomédicaux pour faire progresser considérablement la recherche sur les ultrasons et la conception des dispositifs médicaux."
"Et il fournit une capacité fondamentale pour la détection et le diagnostic précoce du cancer du sein, ce qui est essentiel pour obtenir des résultats positifs."
De plus, le New York Times a précédemment publié un rapport sur "l'IA détectant un cancer du sein manqué par les médecins".
Le rapport indique que la Hongrie est devenue un terrain d'essai majeur pour les logiciels d'IA découvrant le cancer, et les médecins débattent si cette technologie remplacera leur travail médical.
En 2016, Geoffrey Hinton, l'un des principaux chercheurs en IA au monde, estimait que la technologie surpasserait les compétences des radiologues en cinq ans.
"Je pense que si vous êtes radiologue, vous êtes comme Wile E. Coyote dans les dessins animés", a-t-il déclaré au New Yorker en 2017.
"Vous êtes déjà au bord de la falaise, mais vous n'avez pas encore regardé en bas. Il y a juste un précipice sans fond en dessous."
Les paroles de Hinton ne sont pas sans fondement. Dans un tweet publié par Science, une étude a révélé que les médecins utilisant l'IA sont plus susceptibles de détecter le cancer du sein que ceux qui ne l'utilisent pas.
Cette étude montre également que l'IA peut traiter automatiquement plus de la moitié des examens, réduisant considérablement la charge de travail des radiologues.
Amener la recherche sur le marché
Science a également mentionné spécifiquement une personne sur X - Dr. Connie Lehman.
Connie Lehman est professeure de radiologie à la Harvard Medical School et spécialiste en radiologie au Massachusetts General Hospital. Elle est également co-auteure de l'article fondateur mentionné au début de cet article.
Elle s'est passionnée pour le potentiel d'amélioration de la détection du cancer du sein dès qu'elle a commencé à travailler sur la conception assistée par ordinateur (CAO) en 1998.