Donner aux médecins une longueur d'avance sur le cancer de la peau grâce à l’IA

La détection du mélanome et d'une gamme d'autres maladies de la peau sera plus rapide et plus précise grâce à un nouvel outil basé sur l'intelligence artificielle (IA) qui analyse plusieurs types d'imagerie simultanément, développé par une équipe internationale de chercheurs dirigée par l'Université Monash.

Présenté dans Nature Medicine , PanDerm est l'un des premiers modèles d'IA conçus spécifiquement pour aider à la pratique médicale dermatologique dans le monde réel en analysant plusieurs types d'images, notamment des photos en gros plan, des images dermoscopiques, des diapositives de pathologie et des photographies du corps entier.

Une série d'évaluations a montré que PanDerm améliorait la précision du diagnostic du cancer de la peau de 11 % lorsqu'il était utilisé par des médecins. Le modèle a permis aux professionnels de santé non-dermatologues d'améliorer la précision du diagnostic de diverses autres affections cutanées de 16,5 %.

Il a également démontré sa capacité à détecter le cancer de la peau de manière précoce, en identifiant les lésions préoccupantes avant la détection par le clinicien.

Formé sur plus de deux millions d'images de peau, les données du modèle proviennent de 11 institutions dans plusieurs pays, sur quatre types d'images médicales.

Zongyuan Ge, professeur associé de la Faculté des technologies de l'information de l'Université Monash et expert en IA et vision par ordinateur, et l'un des principaux co-auteurs de la recherche, a déclaré que les modèles d'IA existants pour la dermatologie restent limités à des tâches isolées, telles que le diagnostic du cancer de la peau à partir d'images dermoscopiques ; images agrandies de la peau capturées à l'aide d'un outil dermoscope.

« Les modèles d’IA précédents ont eu du mal à intégrer et à traiter divers types de données et méthodes d’imagerie, réduisant ainsi leur utilité pour les médecins dans différents contextes du monde réel », a déclaré le professeur associé Ge.

« PanDerm est un outil conçu pour travailler aux côtés des cliniciens, les aidant à interpréter des données d'imagerie complexes et à prendre des décisions éclairées en toute confiance. »

Contrairement aux modèles existants, qui sont formés pour effectuer une seule tâche, PanDerm a été évalué sur un large éventail de tâches cliniques telles que le dépistage du cancer de la peau, la prédiction du risque de récidive ou de propagation du cancer, l'évaluation du type de peau, le comptage des grains de beauté, le suivi des changements de lésions, le diagnostic d'un large éventail d'affections cutanées et la segmentation des lésions.

Il a systématiquement fourni les meilleurs résultats de sa catégorie, souvent avec seulement 5 à 10 % des données étiquetées normalement requises.

En milieu clinique, PanDerm est un outil d'aide à l'analyse du spectre d'images cutanées utilisées couramment par les médecins. Le système traite ces images et fournit des évaluations de probabilité diagnostique, aidant ainsi les cliniciens à interpréter les données visuelles avec plus de confiance.

Cette intégration est particulièrement utile pour améliorer la précision du diagnostic chez les non-spécialistes, détecter les changements subtils des lésions au fil du temps et évaluer les niveaux de risque des patients.

Siyuan Yan, premier auteur et doctorant de la faculté d'ingénierie de l'université Monash, a déclaré que l'approche multimodale était la clé du succès du système.

« En formant PanDerm sur diverses données provenant de différentes techniques d'imagerie, nous avons créé un système capable de comprendre les affections cutanées comme le font les dermatologues ; en synthétisant les informations provenant de diverses sources visuelles », a déclaré M. Yan.

« Cela permet une analyse plus holistique des maladies de la peau que les précédents systèmes d'IA à modalité unique. »

Les maladies de peau touchant désormais 70 % de la population mondiale, une détection précoce est cruciale et peut conduire à de meilleurs résultats de traitement.

La co-auteure principale de l'article, la directrice du service de mélanome d'Alfred Health Victorian, la professeure Victoria Mar, a déclaré que PanDerm était prometteur pour aider à détecter les changements subtils des lésions au fil du temps et fournir des indices sur la biologie des lésions et le risque futur de propagation.

« Ce type d’assistance pourrait favoriser un diagnostic plus précoce et un suivi plus cohérent des patients à risque de mélanome », a déclaré le professeur Mar.

« Dans les hôpitaux ou les cliniques, les médecins utilisent diverses méthodes et différents types d’images pour diagnostiquer le cancer de la peau ou d’autres affections cutanées. »

Le directeur du Centre de recherche en dermatologie de l'Université du Queensland et l'un des principaux co-auteurs de la recherche, le professeur H. Peter Soyer, a déclaré que des différences dans les techniques d'imagerie et de diagnostic pourraient également survenir en raison des différents niveaux de ressources disponibles dans les espaces de soins de santé urbains, régionaux et ruraux.

« La force de PanDerm réside dans sa capacité à soutenir les flux de travail cliniques existants », a déclaré le professeur Soyer.

« Cela pourrait être particulièrement utile dans les environnements très fréquentés ou aux ressources limitées, ou dans les soins primaires où l’accès aux dermatologues peut être limité.

« Nous avons constaté que l'outil était également capable de fonctionner efficacement même lorsqu'il était entraîné sur une petite quantité de données étiquetées, un avantage clé dans divers contextes médicaux où les données annotées standard sont souvent limitées. »

Le co-auteur principal, le professeur Harald Kittler du département de dermatologie de l'université de médecine de Vienne, a déclaré que PanDerm a démontré comment la collaboration mondiale et diverses données cliniques peuvent être utilisées pour créer des outils d'IA qui sont non seulement techniquement solides mais également cliniquement pertinents dans différents systèmes de santé.

« Sa capacité à soutenir le diagnostic dans divers contextes réels, y compris en Europe, constitue un pas en avant pour rendre l’expertise dermatologique plus accessible et plus cohérente dans le monde entier », a déclaré le professeur Kittler.

Bien que présentant des résultats de recherche prometteurs, PanDerm est actuellement en phase d’évaluation avant une mise en œuvre plus large dans le domaine des soins de santé.

En regardant vers l’avenir, les chercheurs souhaitent développer des cadres d’évaluation plus complets qui abordent un plus large éventail de conditions dermatologiques et de variantes cliniques.

L'équipe prévoit d'établir des protocoles standardisés pour les évaluations interdémographiques et d'étudier plus en détail les performances du modèle dans divers contextes cliniques réels, en mettant l'accent sur la garantie de performances équitables entre différentes populations de patients et environnements de soins de santé.

La recherche a été menée par des experts en IA et en apprentissage automatique au Monash AIM for Health Lab de la Faculté des technologies de l'information de Monash, en collaboration avec des chercheurs et des cliniciens d'Alfred Health, de l'Université du Queensland, de l'Université de médecine de Vienne, du NVIDIA AI Technology Centre à Singapour, de l'hôpital Princess Alexandra à Brisbane, de l'Université de Florence, du Royal Prince Alfred Hospital, de NSW Health Pathology et de l'hôpital général universitaire d'Alicante en Espagne.

https://www.monash.edu/news/articles/giving-doctors-an-ai-powered-head-start-on-skin-cancer