L’intelligence artificielle au service de la santé en 2024 : la prédiction des traitements efficaces
On ne va pas dire le contraire, cette année 2024 est synonyme d’intelligence artificielle (IA). Cette technologie émerge comme un pilier incontournable dans le domaine de la santé, révolutionnant la manière dont les professionnels de la santé diagnostiquent, traitent et préviennent les maladies. Avec des avancées technologiques rapides et des progrès considérables dans les capacités des algorithmes, l’IA se positionne comme un outil précieux et polyvalent, offrant des solutions innovantes aux défis les plus complexes de la médecine moderne.
Lire plus : Intelligence Artificielle et études : l’EM Normandie lance une première en France !
Une étude multicentrique pour analyser les biopsies tumorales
Grâce à une étude multicentrique, l’équipe de chercheurs dirigée par le Professeur N. Loménie à LIPADE a pu montrer que les outils d’intelligence artificielle (IA), lorsqu’ils sont correctement formés, permettent de classer les tumeurs cancéreuses et de prédire l’efficacité d’un traitement d’immunothérapie sur celles-ci. Pour ce faire, ils ont enseigné aux algorithmes comment analyser des lames histopathologiques numérisées, des images haute résolution contenant plusieurs gigaoctets de données pour chaque patient. Loin de remplacer les humains, l’IA permet de gagner un temps précieux dans le diagnostic et la proposition du traitement le mieux adapté. L’École AI a récemment levé 3 millions de dollars en amorçage pour développer cette technologie en collaboration avec les professionnels de la santé. L’objectif est d’améliorer les diagnostics et la prise en charge des patients souffrant de cancer, notamment du foie.
Apprentissage automatisé pour optimiser le traitement des cancers
Les chercheurs ont formé les algorithmes à analyser une grande quantité de données histologiques issues des biopsies tumorales d’anciens patients, en un temps record. Ils ont ainsi pu détecter plus rapidement et avec précision les zones tumorales et les lymphocytes grâce à un apprentissage supervisé. Jusqu’à présent, ces éléments étaient principalement détectés visuellement par des médecins et des biologistes. L’étude rétrospective menée a permis d’utiliser des lames histopathologiques provenant de plusieurs pays, afin de former les algorithmes à travailler avec des diapositives préparées selon différentes méthodes et colorations, garantissant ainsi l’utilisation universelle des dits algorithmes tout en conservant leur précision.
Bases de données couplées à des données génétiques
Grâce à ces analyses rétrospectives, les chercheurs peuvent désormais constituer d’importantes bases de données qui inventorient les données histologiques associées aux données génétiques de ces anciens patients. Ces informations permettent de réaliser des calculs statistiques de plus en plus fiables sur lesquels les médecins peuvent s’appuyer pour établir le traitement le mieux adapté.
Par exemple, dans le cas des tumeurs du cancer du foie, il est possible de proposer à certains patients un traitement d’immunothérapie combinant l’atezolizumab-bevacizumab. En comparant les lames histopathologiques actuelles des biopsies tumorales du foie avec celles déjà référencées, il est alors possible d’identifier rapidement les patients qui répondront bien à ce traitement d’immunothérapie.
Lire plus : L’intelligence artificielle au sein des entreprises
Le rôle de l’IA dans la découverte de nouveaux éléments biologiques
L’un des avantages majeurs de cette approche repose sur la capacité de l’IA à détecter et analyser les éléments communs entre plusieurs patients, puis à créer des profils de patients de référence auxquels les nouveaux patients pourront être comparés. Cette méthode permet d’améliorer considérablement la rapidité et la précision du diagnostic. De plus, ces diapositives histopathologiques numérisées contenant une quantité importante de données ouvrent la voie à la détection par l’IA de nouveaux éléments que les biologistes et les médecins devront apprendre à interpréter. Ces informations complémentaires pourraient affiner et enrichir les connaissances actuelles sur ces pathologies.
