Comment la vision par ordinateur améliore la recherche sur le cancer

La vision par ordinateur est une intelligence artificielle qui permet aux algorithmes d’extraire des informations significatives à partir de vidéos et d’images. Les chercheurs sur le cancer ont exploré des moyens efficaces pour l’utiliser pour examiner des images, des échantillons microscopiques, des scans médicaux et plus encore. Certaines approches peuvent raccourcir les flux de travail précédemment fastidieux, permettant aux équipes à ressources limitées d’atteindre leurs objectifs et d’accroître l’impact sur les patients.

Améliorer les connaissances sur les facteurs de croissance tumorale

Après avoir confirmé la présence et le type de cancer dans les biopsies, les pathologistes peuvent effectuer une séquençage génétique sur les molécules d’ARN dans les échantillons. Ensuite, ils peuvent déterminer quels changements génomiques influencent la croissance de la tumeur. Ces informations approfondissent la recherche et les interventions personnalisées. Cependant, les méthodes actuelles coûteuses et longues laissent certains chercheurs impatients de trouver des alternatives viables.

Une équipe a créé un outil d’IA qui analyse des images de microscopie standard de biopsies pour prédire l’activité génétique au sein des cellules tumorales. Ils ont formé leur innovation sur plus de 7 500 échantillons représentant 16 types de cancer et d’autres jeux de données pertinents, notamment des images de cellules saines.

Ces chercheurs ont donné la priorité à la facilité d’utilisation grâce à une interprétabilité facile, en créant leur programme basé sur l’IA pour afficher les informations liées aux gènes sous la forme d’une carte de biopsie tumorale. Cette décision permet aux utilisateurs d’identifier des variations distinctes dans des zones spécifiques. Le groupe a également utilisé une méthode de coloration standard pour visualiser les cellules cancéreuses, et l’outil a identifié les expressions géniques de plus de 15 000 gènes dans les images colorées.

Leurs résultats ont indiqué une corrélation de plus de 80 % entre l’activité génétique prédite par l’IA et le comportement réel. Le modèle a généralement mieux performé lorsque le jeu de données d’échantillons comprenait plus d’exemples d’un type de cancer spécifique.

Les expériences de cette équipe de recherche ont également montré le potentiel de validité de l’algorithme pour attribuer des scores de risque génomique aux patients atteints de cancer du sein. Les parties classées comme plus à risque présentaient plus de récidives et des durées plus courtes entre elles.

Les gens ont utilisé l’IA pour d’autres progrès médicaux fascinants. Un développement peut détecter le COVID-19 avec une précision de jusqu’à 99 %, mettant en évidence un progrès essentiel en matière de santé publique. Malgré l’impressionnante de ces possibilités, les professionnels doivent uniquement compléter leur travail avec eux. Laisser l’IA remplacer l’expérience de première main pourrait réduire les résultats positifs pour les patients.

Trouver les traitements les plus appropriés

Les personnes subissant des interventions liées au cancer détaillent le stress et les symptômes désagréables associés à des solutions potentiellement sous-optimales. Bien que de nombreuses personnes tolèrent les nausées, la perte de cheveux et plus encore, elles deviennent moins enclines à continuer si les premiers tests ne montrent pas de résultats prometteurs.

Tout le monde bénéficie si les spécialistes du cancer identifient les traitements les plus spécifiques aux patients plus tôt. L’approche typique pour concevoir des plans de soins implique l’étude de scans CT et IRM avec seulement un point de données par pixel, représenté par des nuances de gris. Certains chercheurs utilisent l’IA pour faire des progrès. Un outil peut examiner jusqu’à 30 000 détails par pixel et analyser des échantillons de tissus aussi petits que 400 micromètres carrés — environ la largeur de cinq cheveux humains.

L’équipe a utilisé des échantillons donnés pour évaluer les résultats. Lorsqu’il a été appliqué à des cas de cancer de la vessie, la plate-forme d’IA a trouvé un groupe de cellules spécialisées qui créent des structures lymphoïdes tertiaires. Les connaissances actuelles suggèrent que celles-ci améliorent les réponses à l’immunothérapie des patients. De plus, l’outil a différencié les cellules cancéreuses et le tissu muqueux dans les échantillons de cancer gastrique, aidant les utilisateurs à déterminer plus précisément l’étendue de leur propagation.

Ces chercheurs pensent que leurs efforts pourraient montrer aux médecins quels traitements fonctionnent le mieux pour les différents types de cancer. Si tel est le cas, cela pourrait également rationaliser la recherche pertinente en aidant les médecins à extraire plus de données précieuses des images diagnostiques courantes.

Raccourcir les délais de développement des médicaments

La mise à disposition de nouveaux traitements contre le cancer prend des années, et les perspectives dépendent de la réussite des essais cliniques. Des chercheurs de Londres ont récemment créé une approche basée sur l’IA pour étudier comment les médicaments atteignent leurs cibles. Se concentrer sur les options les plus efficaces pourrait améliorer les résultats, convaincant les régulateurs d’élargir la disponibilité des produits.

Le groupe a utilisé près de 100 000 images de microscopie 3D de cellules de mélanome, et des algorithmes d’apprentissage géométrique profond ont analysé leur forme. Les efforts précédents n’ont obtenu que des données bidimensionnelles à partir d’échantillons sur des lames de microscope, mais cette approche examine les cellules comme elles apparaissent dans les corps. De plus, elle révèle comment elles changent de forme en raison de traitements spécifiques et montre la variabilité au sein des populations cellulaires.

Cet outil a détecté avec plus de 99 % d’exactitude comment des médicaments spécifiques affectaient les cellules. Il a même identifié les changements de forme déclenchés par ceux ciblant différentes protéines.

Puisque l’IA a révélé des altérations biochimiques, les chercheurs pensent que leur innovation pourrait mettre en évidence des cibles particulières à mettre l’accent sur les nouveaux médicaments contre le cancer. Ensuite, le logiciel réduirait la période de préclinique de trois ans à trois mois. De même, cela pourrait réduire les essais de jusqu’à six ans, trouvant plus rapidement les patients les plus susceptibles de bénéficier et identifiant les effets secondaires courants.

Rationaliser les tâches d’évaluation du cancer

L’IA a déjà amélioré les tâches des chercheurs sur le cancer, mais la plupart des outils ne traitent que des parties individuelles du flux de travail. Cela signifie que les professionnels de la santé intéressés à intégrer la technologie dans leur journée de travail doivent apprendre à utiliser plusieurs produits. Cependant, certains groupes veulent créer des solutions polyvalentes pour accroître la convivialité.

Un groupe a construit un modèle similaire à ChatGPT. Ils l’ont utilisé pour plusieurs processus d’évaluation liés à 19 types de cancer, montrant sa polyvalence. Plus précisément, il a accéléré les tâches d’évaluation pour une détection améliorée, un pronostic et des réponses au traitement. Les développeurs pensent également que leur innovation est la première à prédire et valider les résultats à travers plusieurs groupes de patients internationaux.

Le modèle d’IA lit des lames numériques contenant des échantillons de tumeurs, analyse les profils moléculaires et trouve des cellules cancéreuses. Il a également examiné les tissus entourant les tumeurs, qui indiquent comment les patients ont répondu aux traitements standard ou montrent aux chercheurs lesquels sont moins efficaces. Les expériences ont suggéré qu’il était plus précis que les produits actuellement disponibles. De plus, il a lié des caractéristiques tumorales particulières à des taux de survie accru des patients pour la première fois, débloquant potentiellement de nouvelles pistes de recherche.

Les chercheurs ont formé le modèle sur 15 millions d’images non étiquetées divisées en morceaux en fonction des domaines d’intérêt. Une étape ultérieure a exposé les algorithmes à 60 000 exemples de lames complètes représentant les 19 types de cancer. Cette approche a enseigné à l’IA à évaluer l’ensemble des images pour obtenir des résultats complets.

Ensuite, le groupe a testé leur outil sur 19 400 images de lames complètes trouvées dans 32 jeux de données indépendants. Puisque ces informations provenaient de 24 cohortes de patients et d’hôpitaux situés dans le monde entier, elles fournissent un échantillon précis de conditions de la vie réelle.

Améliorer la valeur des images de microscopie biomédicale

Les chercheurs sur le cancer utilisent des images de microscopie biomédicale pour faire progresser leur travail, mais les flux de travail existants prennent des jours pour examiner ces données. Une équipe a développé une nouvelle technique de vision par ordinateur pour rendre ces tâches essentielles plus efficaces. Elle utilise l’apprentissage automatique pour analyser les échantillons et trouver des caractéristiques partagées entre les tumeurs cancéreuses.

L’outil obtient efficacement les résultats en examinant plusieurs zones d’une même tumeur et en les percevant dans leur ensemble. D’autres produits qui analysent les images de microscopie biomédicale divisent les grandes tumeurs en petits patchs et traitent les parties comme des échantillons distincts. Cependant, ces images peuvent contenir jusqu’à 1 milliard de pixels, elles sont donc longues à étudier.

Les développeurs imaginent que les cliniciens pourraient faire des diagnostics immédiats à partir d’images de tumeurs. Ensuite, ces professionnels transmettraient les informations aux chirurgiens qui effectuent des opérations pour extraire les tissus cancéreux, leur permettant d’utiliser les connaissances les plus récentes.

Des tests comparant cet outil aux meilleures techniques d’analyse d’images de base ont montré qu’il était presque 4 % meilleur et a atteint une précision de près de 88 % dans certains cas. Les chercheurs ont également souligné que les utilisateurs pourraient l’appliquer à n’importe quel type de tumeur et à n’importe quelle méthode de microscopie, le rendant largement applicable.

Faire progresser la recherche sur le cancer avec la vision par ordinateur

La vision par ordinateur basée sur l’IA peut élever la production des chercheurs sur le cancer, maximisant leurs résultats scientifiques et liés aux patients. Ces exemples illustrent le potentiel abondant, mais les professionnels qui souhaitent appliquer la technologie doivent le faire pour compléter leur expertise acquise et non traiter les innovations comme infaillibles.