L’actualité numérique des industries de santé

    L’actualité numérique des industries de santé

    Etudes

    Diagnostic du mélanome: l'intelligence artificielle supérieure à l'homme dans une étude

    LONDRES (TICpharma) - Un algorithme de "deep learning" (apprentissage profond) utilisant un réseau de neurones artificiels à convolution s'est montré plus performant, dans une étude, que la plupart des dermatologues pour diagnostiquer des mélanomes.

    Face à l'incidence croissante du mélanome, cancer cutané à mauvais pronostic, le dépistage précoce et la prévention sont essentiels, rappellent le Pr Holger Haenssle de l'université de Heidelberg et ses collègues allemands, américains et français dans un article publié dans les Annals of Oncology.

    Mais l'examen au dermatoscope nécessite un oeil exercé et depuis quelques années, les méthodes d'analyse automatique des images se développent comme outil d'aide au diagnostic pour permettre un diagnostic précis et reproductible. Cependant, cette approche reste liée à des critères dépendants de l'oeil humain (couleur, morphologie, régularité...).

    En 2017, dans une lettre publiée par Nature, une équipe américaine de l'université de Stanford avait rapporté le développement d'un algorithme de deep learning utilisant un réseau de neurones artificiels à convolution pour apprendre à classer des images de cancers cutanés, avec une performance supérieure à 21 dermatologues entraînés.

    L'intelligence artificielle (IA) permet de déconstruire l’image à l'échelle du pixel et utilise ces informations supplémentaires pour distinguer les différentes lésions cutanées.

    Cette fois, le Pr Haenssle et ses collègues ont modifié l'algorithme Inception v4 de Google pour développer un réseau de neurones artificiels à convolution, pré-entraîné avec plus de 100.000 images de lésions cutanées diagnostiqués, afin de classer les lésions mélanocytaires en particulier.

    Une collection de 100 clichés dermatoscopiques a ensuite été soumise à l'algorithme pour classer les lésions en "bénignes" ou "malignes". Les résultats ont ensuite été comparés aux diagnostics établis par un groupe de 58 dermatologues de 17 pays (17 avec moins de deux ans d'expérience en analyse dermatoscopique, 11 étant bien entraînés avec deux à cinq ans d'expérience et 30 experts avec au moins cinq ans d'expérience).

    Spécificité supérieure

    Avec uniquement les clichés dermatoscopiques, les dermatologues classaient les lésions avec une sensibilité de 86,6% et une spécificité de 71,3% en moyenne. En ajoutant les informations cliniques, la sensibilité et la spécificité étaient améliorées (respectivement à 88,9% et 75,7%), essentiellement du fait des dermatologues "débutants" et "entraînés" tandis que ces données ne modifiaient pas les performances des "experts".

    L'IA a classé les lésions avec une spécificité significativement plus grande sur le plan statistique que celle des dermatologues, de 82,5%, et ce dans les deux situations, pour une sensibilité équivalente, de respectivement 86,6% et 88,8%.

    L'aire sous la courbe obtenue avec l'IA était meilleure que celle des dermatologues, à respectivement 0,86 et 0,79.

    Les chercheurs ont également comparé les résultats de leur réseau de neurones à convolution aux cinq meilleurs algorithmes du défi 2016 de l'International Symposium on Biomedical Imaging (ISBI), obtenant également de meilleures performances.

    Ces résultats montrent qu'un réseau de neurones convolutifs entraîné de manière adéquate est capable de donner une classification diagnostique très précise d'images dermatoscopiques de lésions mélanocytaires, avec des performances le plus souvent meilleures que celles des dermatologues, concluent les chercheurs.

    Un tel outil pourrait être facilement déployé dans les systèmes de dermatoscope électronique ou dans des applications pour smartphone afin d'aider les dermatologues dans la démarche diagnostique, ajoutent-ils.

    (Annals of Oncology, édition en ligne du 28 mai)

    Luu Ly Do Quang

    À suivre

    Analyse du génome: Sophia Genetics acquiert l'éditeur Interactive Biosoftware

    Etudes

    Cédric Villani et le Pr Bernard Nordlinger cosignent un ouvrage sur la santé et l'IA

    PARIS (TICpharma) - Le député LREM de l'Essonne Cédric Villani et le professeur en oncologie Bernard Nordlinger ont publié le 18 octobre aux éditions du CNRS un ouvrage intitulé "Santé et intelligence artificielle", présenté comme le "fruit d'une rencontre entre l'Académie des sciences et l'Académie de médecine".

    0 513

    Politique

    E-santé: Isabelle Adenot fait le point sur les travaux de la HAS

    PARIS (TICpharma) - La présidente de la commission nationale d'évaluation des dispositifs médicaux et des technologies de santé (Cnedimts), Isabelle Adenot, a fait le point le 16 octobre sur les différents travaux, achevés et en cours, de la Haute autorité de santé (HAS) sur l'e-santé, en particulier sur l'évaluation des dispositifs médicaux (DM) connectés et de l'intelligence artificielle (IA).

    0 443

    Vos réactions

    Anti-spam : Veuillez saisir le résultat de ce calcul S.V.P
    8 + 9 =