Prédictions de l'IA pour le cancer colorectal : un pas de plus vers une oncologie de précision efficace

11.09.2023
Computer-generated image

Image symbolique

Selon l'OMS, le cancer colorectal se classe au deuxième rang des principales causes de décès liés au cancer dans le monde. Pour la première fois, des chercheurs du Helmholtz Munich et de l'Université de technologie de Dresde (TU Dresden) montrent que les prédictions basées sur l'intelligence artificielle (IA) peuvent donner des résultats comparables aux tests cliniques effectués sur des biopsies de patients atteints de CCR.

Les prédictions de l'IA peuvent accélérer l'analyse des échantillons de tissus, ce qui permet de prendre des décisions plus rapides en matière de traitement. Ce nouveau modèle de détection des biomarqueurs représente une avancée significative vers la réalisation d'approches thérapeutiques de précision dans le domaine de l'oncologie. La méthode est maintenant publiée dans Cancer Cell.

Une équipe de scientifiques composée du Dr Tingying Peng du Helmholtz Munich et du professeur Jakob N. Kather de l'université technique de Dresde montre que l'IA peut prédire des biomarqueurs spécifiques dans des échantillons de tissus colorés de patients atteints de cancer colorectal. Ils ont utilisé des réseaux dits de transformateurs, une approche récente d'apprentissage profond (DL), pour identifier des modèles et soutenir les décisions de diagnostic dans la gestion du cancer. La nouvelle méthode améliore considérablement les approches précédentes pour la détection des biomarqueurs.

Une évaluation à grande échelle prouve une meilleure généralisation et une meilleure efficacité des données

L'équipe de chercheurs a mis au point un logiciel qui utilise la nouvelle technologie des réseaux neuronaux de transformation tout au long du processus d'analyse. Ils montrent que leur approche améliore considérablement les performances, la généralisation, l'efficacité des données et l'interprétabilité en l'évaluant sur une grande cohorte multicentrique de plus de 13 000 patients provenant de 16 cohortes de sept pays (Australie, Chine, Allemagne, Israël, Pays-Bas, Royaume-Uni, États-Unis), dont une partie a été fournie par des chercheurs du Centre allemand de recherche sur le cancer (DKFZ) d'Heidelberg et le réseau des National Centers for Tumor Diseases (NCT). L'algorithme entraîné sur la grande cohorte multicentrique atteint une sensibilité très élevée sur les échantillons de tissus de résection obtenus pendant l'opération. Il est frappant de constater que, même si leur modèle n'a été entraîné que sur des échantillons de tissus provenant de résections, les résultats peuvent également atteindre une performance élevée sur des tissus de biopsies obtenus au cours d'une coloscopie. Sophia J. Wagner, premier auteur de l'étude, souligne que "la généralisation aux tissus de biopsie augmente les avantages de l'algorithme pour le patient lorsqu'il est finalement mis en œuvre dans la routine clinique".

La présélection des biopsies par l'IA accélère le diagnostic

En raison de sa grande sensibilité sur les tissus de biopsie, l'algorithme pourrait servir d'outil de présélection suivi d'un test positif pour les cas qui ont reçu un résultat positif lors du test d'IA. L'application de la prédiction des biomarqueurs basée sur l'IA pourrait réduire la charge des tests et donc accélérer l'étape entre la prise de la biopsie et la détermination moléculaire du statut de risque génétique, permettant ainsi un traitement plus précoce du patient par immunothérapie si cela est indiqué.

Note: Cet article a été traduit à l'aide d'un système informatique sans intervention humaine. LUMITOS propose ces traductions automatiques pour présenter un plus large éventail d'actualités. Comme cet article a été traduit avec traduction automatique, il est possible qu'il contienne des erreurs de vocabulaire, de syntaxe ou de grammaire. L'article original dans Anglais peut être trouvé ici.

Publication originale

Autres actualités du département science

Actualités les plus lues

Plus actualités de nos autres portails