Newsletter:
Trois projets d'IA de l'hôpital néerlandais Radboudumc viennent de recevoir des subventions du Fonds Hanarth. Ces cerniers utilisent des méthodes d'IA pour détecter, diagnostiquer et traiter des cancers rares.
La prise de décision médicale concernant les traitements des cancers rares est de plus en plus complexe. De nombreux traitements nécessitent des données sur l'immunologie, la génétique ou la biologie des systèmes. Cela entraîne une expansion rapide des connaissances oncologiques et une croissance exponentielle du nombre de dossiers électroniques de patients et de données disponibles.
D'après le RadboudUMC, il existe une demande croissante de traitement personnalisé du cancer. Chaque patient représente un défi en matière de big data, avec d'énormes quantités d'informations sur l'état actuel et les trajectoires précédentes. Tout cela rend la prise de décision médicale de plus en plus complexe. Ce qui entraîne une sous-optimisation des décisions. Or, l’utilisation de l'IA peut souvent améliorer la détection, le diagnostic et le traitement des cancers rares. Des informations détaillées sur les trois projets sont disponibles sur le site web de Radboudumc.
Focus sur ces trois projets d’IA
Au Radboudumc, trois projets d'IA axés sur l'oncologie ont été récompensés par une subvention du Fonds Hanarth. Le premier consiste à développer des méthodes d'intelligence artificielle pour affiner le diagnostic du cancer gastrique diffus (Unmasking the invisible cancer : digital detection of diffuse type gastric carcinoma). Difficile à détecter lors des biopsies, il peut facilement passer inaperçu aux yeux des médecins. L'intelligence artificielle va servir de support au pathologiste en améliorant la détection des types de cellules malades. Un moyen supplémentaire qui offre un grand potentiel pour affiner les diagnostics cancérologiques.
« Improved transparent AI methods for personalised prediction based on rare cancers data » (Amélioration des méthodes transparentes d'intelligence artificielle pour la prédiction personnalisée basée sur les données relatives aux cancers rares) est le second projet. Il est mené par Marianne Jonker, Kit Roes, Carla van Herpen et Ton Coolen. Ce projet cherche des solutions pour contourner la difficulté de l'identification des traitements pour les cancers rares. Une problématique en partie due aux contraintes de partage des données des patients provenant de différentes institutions. Les réglementations sont strictes et elles se heurtent à des problèmes de logistiques.
Projet final
Le projet final se nomme « Fusion de données multimodales pour guider le développement d'immunothérapies pour les patients atteints de mélanome oculaire ». Aux Pays-Bas, le mélanome oculaire survient chez environ 200 patients par an. Et la moitié d’entre eux développent des métastases. Le mélanome oculaire diffère cliniquement et génétiquement du mélanome cutané. De plus, la réponse à l'immunothérapie est faible.
Pour faire simple, ce projet consiste, entre autres, à une analyse de l'imagerie et des données provenant de plusieurs groupes de patients pour étudier les interactions tumeur-immunité. Il mesure également le risque de sur-adaptation des data (un problème dans l'exploration des données lorsque des variations aléatoires sont classées à tort comme des modèles importants) et les problèmes potentiels dans la fusion des données.
Laisser un commentaire
Rejoindre la discussion?N’hésitez pas à contribuer !