L'IA est meilleure que les médecins pour diagnostiquer un cancer de la peau

        

 L'IA est meilleure que les médecins pour diagnostiquer un cancer de la peau "title =" L'AI vaut mieux que les médecins pour diagnostiquer un cancer de la peau "/></div><p>        </p><p>Les chercheurs ont montré pour la première fois qu'une forme d'intelligence artificielle ou d'apprentissage machine connue sous le nom de réseau neuronal convolutionnel d'apprentissage en profondeur (CNN) est meilleure que les dermatologues expérimentés pour détecter le cancer de la peau.</p><p>Dans une étude publiée aujourd'hui dans la revue Annals of Oncology, des chercheurs allemands, américains et français ont formé un CNN à l'identification du cancer de la peau en lui montrant plus de 100 000 images de mélanomes malins (la forme la plus mortelle de cancer de la peau). ), ainsi que des grains de beauté bénins (ou naevis).</p><p>Ils ont comparé ses performances à celles de 58 dermatologues internationaux et ont constaté que le CNN avait manqué moins de mélanomes et avait diagnostiqué à tort des taupes bénignes moins malignes que le groupe de dermatologues.</p><p> </p><p> </p><p>Un réseau CNN est un réseau neuronal artificiel inspiré des processus biologiques à l'œuvre lorsque les cellules nerveuses (neurones) du cerveau sont connectées entre elles et répondent à ce que l'œil voit.</p><p>Le CNN est capable d'apprendre rapidement à partir d'images qu'il «voit» et de s'instruire de ce qu'il a appris pour améliorer ses performances (un processus appelé apprentissage automatique).</p><p>Le premier auteur de l'étude, le professeur Holger Haenssle de l'Université de Heidelberg, en Allemagne, a expliqué: «Le CNN fonctionne comme le cerveau d'un enfant.</p><p>Pour l'entraîner, nous avons montré à CNN plus de 100 000 images de cancers de la peau et de taupes malins et bénins et indiqué le diagnostic pour chaque image.</p><p>Seules des images dermoscopiques ont été utilisées, c'est-à-dire des lésions qui ont été imagées à un grossissement de 10 fois.</p><p>Avec chaque image d'entraînement, le CNN a amélioré sa capacité à différencier les lésions bénignes et malignes.</p><p>«Après avoir terminé la formation, nous avons créé deux séries d’essais d’images de la bibliothèque de Heidelberg qui n’avaient jamais été utilisées pour l’entraînement et étaient donc inconnues de CNN.</p><p>Un ensemble de 300 images a été construit pour tester uniquement les performances du CNN. Auparavant, 100 des lésions les plus difficiles ont été sélectionnées pour tester de vrais dermatologues par rapport aux résultats de la CNN. »</p><p>Des dermatologues du monde entier ont été invités à participer et 58 des 17 pays du monde ont accepté.</p><div style=
Lire Aussi :  Comment reconnaître les symptômes du TDAH chez les enfants?

Parmi ceux-ci, 17 (29%) ont indiqué avoir moins de deux ans d'expérience en dermatoscopie, 11 (19%) ont indiqué qu'ils avaient de l'expérience entre deux et cinq ans et 30 (52%) étaient des experts. plus de cinq ans d'expérience.

On a demandé aux dermatologues de poser d'abord un diagnostic de mélanome malin ou de grain de beauté bénin à partir des images dermoscopiques (niveau I) et de décider de la manière de gérer la maladie (chirurgie, suivi à court terme ou absence d'action). nécessaire).

Quatre semaines plus tard, on leur a fourni des informations cliniques sur le patient (y compris l'âge, le sexe et la position de la lésion) et des images rapprochées des mêmes 100 cas (niveau II).

Au niveau I, les dermatologues ont détecté avec précision une moyenne de 86,6% des mélanomes et ont identifié correctement une moyenne de 71,3% des lésions non malignes.

Cependant, lorsque le CNN a été accordé au même niveau que les médecins pour identifier correctement les grains de beauté bénins (71,3%), le CNN a détecté 95% des mélanomes.

Au niveau II, les dermatologues ont amélioré leurs performances en diagnostiquant avec précision 88,9% des mélanomes malins et 75,7% des cas non cancéreux.

«Le CNN a manqué moins de mélanomes, ce qui signifie qu'il était plus sensible que les dermatologues, et il a mal diagnostiqué le nombre de taupes bénignes sous forme de mélanome malin, ce qui signifie qu'il était plus spécifique; cela se traduirait par une chirurgie moins inutile », a déclaré le professeur Haenssle.

«Lorsque les dermatologues ont reçu plus d'informations cliniques et d'images au niveau II, leur performance diagnostique s'est améliorée.

Cependant, la CNN, qui travaillait toujours uniquement à partir des images dermoscopiques sans informations cliniques supplémentaires, continuait à surpasser les capacités diagnostiques des médecins. »

Les dermatologues experts ont obtenu de meilleurs résultats au niveau I que les dermatologues moins expérimentés et ont mieux détecté les mélanomes malins.

Cependant, leur capacité moyenne à poser le bon diagnostic était encore pire que celle de CNN aux deux niveaux.

«Ces découvertes montrent que les réseaux neuronaux convolutifs d'apprentissage en profondeur sont capables de détecter les mélanomes avec des dermatologues performants, y compris des experts hautement qualifiés», at-il déclaré.

L'incidence du mélanome malin augmente, avec environ 232 000 nouveaux cas dans le monde et environ 55 500 décès dus à la maladie chaque année.

Il peut être guéri s'il est détecté tôt, mais de nombreux cas ne sont diagnostiqués que lorsque le cancer est plus avancé et plus difficile à traiter.

Lire Aussi :  L'habitude commune déclenche le cancer du côlon [Are YOU at risk?]

Le professeur Haenssle a déclaré: «Je participe à des projets de recherche visant à améliorer la détection précoce du mélanome au stade curable depuis près de 20 ans.

Mon groupe et moi nous concentrons sur les technologies non invasives qui pourraient aider les médecins à ne pas manquer les mélanomes, par exemple, tout en effectuant des dépistages du cancer de la peau.

Lorsque je suis tombé sur des rapports récents sur les algorithmes d'apprentissage en profondeur qui surpassent les experts humains dans des tâches spécifiques, j'ai immédiatement compris que nous devions explorer ces algorithmes d'intelligence artificielle pour diagnostiquer le mélanome. »

Les chercheurs n'envisagent pas que le CNN prenne le relais des dermatologues pour diagnostiquer les cancers de la peau, mais qu'il pourrait être utilisé comme aide supplémentaire.

«Cette CNN peut aider les médecins impliqués dans le dépistage du cancer de la peau à prendre leur décision de pratiquer ou non une biopsie d'une lésion.

La plupart des dermatologues utilisent déjà des systèmes de dermatoscopie numérique pour visualiser et stocker les lésions à des fins de documentation et de suivi.

Le CNN peut alors évaluer facilement et rapidement l’image stockée pour obtenir un «avis d’expert» sur la probabilité de mélanome.

Nous planifions actuellement des études prospectives pour évaluer l'impact réel de CNN sur les médecins et les patients. »

L'étude présente certaines limites, notamment le fait que les dermatologues se trouvaient dans un environnement artificiel où ils savaient qu'ils ne prenaient pas de décisions «de vie ou de mort»; les ensembles de tests n'incluaient pas la gamme complète des lésions cutanées;

il y avait moins d'images validées provenant de types de peau non caucasiens et de milieux génétiques; et le fait que les médecins ne suivent pas toujours les recommandations de CNN auxquelles ils ne font pas confiance.

Des chercheurs ont conclu: «À l'heure actuelle, rien ne remplace un examen clinique approfondi.

Cependant, la photographie corporelle 2D et 3D peut capturer environ 90 à 95% de la surface de la peau et, compte tenu du développement exponentiel de la technologie d'imagerie, nous prévoyons que le diagnostic automatisé changera plus tôt que dermatologie.

Cependant, il reste encore beaucoup à faire pour mettre en œuvre cette technologie excitante en toute sécurité dans les soins cliniques de routine. »

Source: Société européenne d'oncologie médicale.

 

 

        

Source

Tags: