Rapprocher l’IA de la pratique clinique
Une application ouverte aide à prédire la malignité des tumeurs cérébrales et la survie des patients
En médecine, le pouvoir de l’intelligence artificielle (IA) réside dans sa capacité à détecter des tendances statistiques dans de grands ensembles de données. Une étude majeure publiée aujourd’hui vient démontrer comment l’IA peut orienter les patients ayant une tumeur au cerveau et leurs médecins dans leurs choix thérapeutiques.
Le méningiome – qui prend naissance dans les membranes entourant le cerveau et la moelle épinière – est le type de tumeur du système nerveux central le plus courant, avec 8,14 cas par 100 000 personnes. Si le pronostic est généralement meilleur que pour les autres tumeurs cérébrales, le degré de virulence est très variable. C’est pourquoi il est extrêmement important de savoir prédire la malignité et le temps de survie pour déterminer si l’intervention chirurgicale est la meilleure option pour le patient.
Dans cette étude, des chercheurs du Neuro (Institut et hôpital neurologiques de Montréal) et de l’Hôpital de Montréal pour enfants du Centre universitaire de santé ³ÉÈËVRÊÓƵ ont entraîné des algorithmes d’apprentissage automatique à partir des données de plus de 62 000 patients ayant un méningiome. L’objectif était de déceler des associations statistiques entre la malignité, le temps de survie et d’autres variables cliniques de base telles que la taille de la tumeur, son emplacement et la nature de l’intervention chirurgicale effectuée.
Bien que l’étude prouve la valeur prédictive des modèles pour chaque patient pris individuellement, les chercheurs insistent sur la nécessité de perfectionner les algorithmes à l’aide d’ensembles de données plus riches, dont des données moléculaires et d’imagerie cérébrale.
L’équipe de recherche a créé une application ouverte pour téléphone intelligent qui permet aux cliniciens et aux autres chercheurs d’essayer par eux-mêmes les algorithmes prédictifs qu’elle décrit dans son article. Elle espère que la nature entièrement libre et ouverte de l’application favorisera, dans le cadre de projets futurs, l’utilisation des nouveaux algorithmes d’apprentissage automatique sur le terrain. L’application est accessible ici, aux fins de démonstration seulement : .
Jeremy Moreau, doctorant et auteur principal de l’étude, explique que l’application vise à rendre les modèles prédictifs accessibles au clinicien moyen. Même si l’outil devra être retravaillé avant de servir en contexte réel, l’étudiant-chercheur affirme qu’en le mettant entre les mains des médecins, son équipe peut obtenir leurs suggestions d’améliorations.
« Beaucoup de gens nous ont expliqué comment ils utilisaient l’application pour se figurer l’influence des différents facteurs cliniques sur la malignité et la survie, poursuit le doctorant. Nous la voyons comme un point d’entrée unique pour accroître l’applicabilité et la transparence des modèles d’apprentissage automatique, trop souvent impossibles à évaluer pour le clinicien moyen, qui ne dispose ni du temps ni des connaissances en programmation nécessaires. »
L’étude a été publiée le 30 janvier 2020 dans la revue . Financée par la fondation du Département de neurochirurgie, elle a aussi été possible grâce au Fonds d’excellence en recherche Apogée Canada, qui a versé une subvention à l’Université ³ÉÈËVRÊÓƵ pour son programme Cerveau en santé, vie en santé. Jeremy Moreau a également reçu des bourses de formation du Fonds de recherche du Québec – Santé (FRQS) et de la Fondation des étoiles. Ses travaux sont supervisés par Sylvain Baillet, neuroscientifique au Neuro, et le Dr Roy Dudley, clinicien-chercheur à l’Hôpital de Montréal pour enfants. Les données des patients proviennent de la base de données du programme Surveillance, Epidemiology, and End Results du National Cancer Institute.
