Utiliser l’IA pour détecter le cancer à partir des données des patients en toute sécurité


  • FrançaisFrançais



  • Une nouvelle façon d’utiliser l’intelligence artificielle pour prédire le cancer à partir des données des patients sans mettre en danger les informations personnelles a été développée par une équipe comprenant des scientifiques médicaux de l’Université de Leeds.

    L’intelligence artificielle (IA) peut analyser de grandes quantités de données, telles que des images ou des résultats d’essais, et peut identifier des modèles souvent indétectables par l’homme, ce qui la rend très utile pour accélérer la détection, le diagnostic et le traitement des maladies.

    Cependant, l’utilisation de la technologie dans les milieux médicaux est controversée en raison du risque de divulgation accidentelle de données et de nombreux systèmes sont détenus et contrôlés par des entreprises privées, leur donnant accès aux données confidentielles des patients – et la responsabilité de les protéger.

    Les chercheurs ont cherché à découvrir si une forme d’IA, appelée apprentissage en essaim, pouvait être utilisée pour aider les ordinateurs à prédire le cancer dans les images médicales d’échantillons de tissus de patients, sans divulguer les données des hôpitaux.

    L’apprentissage en essaim forme des algorithmes d’IA pour détecter des modèles dans les données d’un hôpital ou d’une université locale, tels que des modifications génétiques dans des images de tissus humains. Le système d’apprentissage en essaim envoie ensuite cet algorithme nouvellement formé – mais surtout pas de données locales ou d’informations sur le patient – à un ordinateur central. Là, il est combiné avec des algorithmes générés par d’autres hôpitaux de manière identique pour créer un algorithme optimisé. Celle-ci est ensuite renvoyée à l’hôpital local, où elle est réappliquée aux données d’origine, améliorant la détection des modifications génétiques grâce à ses capacités de détection plus sensibles.

    En entreprenant cela plusieurs fois, l’algorithme peut être amélioré et en créer un qui fonctionne sur tous les ensembles de données. Cela signifie que la technique peut être appliquée sans qu’il soit nécessaire de divulguer des données à des sociétés tierces ou de les envoyer entre les hôpitaux ou au-delà des frontières internationales.

    L’équipe a formé des algorithmes d’IA sur les données d’étude de trois groupes de patients d’Irlande du Nord, d’Allemagne et des États-Unis. Les algorithmes ont été testés sur deux grands ensembles d’images de données générées à Leeds et se sont avérés avoir appris avec succès comment prédire la présence de différents sous-types de cancer dans les images.

    La recherche a été dirigée par Jakob Nikolas Kather, professeur associé invité à la faculté de médecine de l’Université de Leeds et chercheur à l’hôpital universitaire RWTH Aachen. L’équipe comprenait les professeurs Heike Grabsch et Phil Quirke, ainsi que le Dr Nick West de la faculté de médecine de l’Université de Leeds.

    Le Dr Kather a déclaré: « Sur la base des données de plus de 5 000 patients, nous avons pu montrer que les modèles d’IA entraînés avec l’apprentissage en essaim peuvent prédire les changements génétiques cliniquement pertinents directement à partir d’images de tissus provenant de tumeurs du côlon. »

    Phil Quirke, professeur de pathologie à la faculté de médecine de l’Université de Leeds, a déclaré : « Nous avons montré que l’apprentissage en essaim peut être utilisé en médecine pour former des algorithmes d’IA indépendants pour toute tâche d’analyse d’images. Cela signifie qu’il est possible de surmonter le besoin de transfert de données sans que les institutions aient à renoncer au contrôle sécurisé de leurs données.

    « La création d’un système d’IA capable d’effectuer cette tâche améliore notre capacité à appliquer l’IA à l’avenir. »

    Source de l’histoire :

    Matériaux fourni par Université de Leeds. Remarque : Le contenu peut être modifié pour le style et la longueur.

    N'oubliez pas de voter pour cet article !
    1 étoile2 étoiles3 étoiles4 étoiles5 étoiles (No Ratings Yet)
    Loading...
    mm

    La Rédaction

    L'équipe rédactionnelle

    Laisser un commentaire

    Votre adresse e-mail ne sera pas publiée.