Make this article seo compatible,Let there be subheadings for the article, be in french, create at least 700 words
En prédisant avec plus de précision l’évolution d’un diagnostic de cancer, l’IA pourrait permettre des traitements de chimiothérapie plus courts et moins sévères.
Les chercheurs ont découvert qu’un nouvel outil d’intelligence artificielle (IA) est plus efficace que les pathologistes experts pour prédire l’issue du cancer du sein, ce qui pourrait permettre d’éviter aux patientes des traitements inutiles.
L’outil a permis d’identifier les patientes atteintes d’un cancer du sein qui sont actuellement classées comme présentant un risque élevé ou intermédiaire, mais qui pourraient devenir des survivantes à long terme.
En fournissant une perspective plus précise sur l’évolution future de la maladie du patient, l’outil d’IA pourrait permettre aux médecins de réduire la durée ou l’intensité des traitements de chimiothérapie, qui pour beaucoup entraînent des effets secondaires nocifs ou désagréables, notamment des nausées.
L’étude du Northwestern Medicine de Chicago aux États-Unis a examiné comment un outil d’IA pourrait être utilisé pour une évaluation complète des éléments cancéreux et non cancéreux du cancer du sein invasif.
Actuellement, les pathologistes évaluent uniquement les cellules cancéreuses dans les tissus d’un patient pour déterminer leur traitement, mais les profils de cellules non cancéreuses sont également importants pour prédire les résultats.
Publiée dans la revue Nature Medicine, il s’agit de la première étude à utiliser l’IA pour évaluer les éléments cancéreux et bénins du cancer du sein.
« Notre étude démontre l’importance des composants non cancéreux dans la détermination des résultats pour un patient », a déclaré l’auteur correspondant de l’étude, Lee Cooper, professeur agrégé de pathologie à la Feinberg School of Medicine de l’Université Northwestern.
« L’importance de ces éléments était connue grâce à des études biologiques, mais ces connaissances n’ont pas été efficacement traduites en utilisation clinique ».
Utiliser l’IA pour une estimation plus précise des risques
Le cancer du sein féminin est le cancer le plus fréquemment diagnostiqué en Europe, avec plus de 355 000 femmes dans l’UE qui auraient reçu ce diagnostic en 2020. Cela représentait 13,3 % de tous les diagnostics de cancer.
De nombreux patients sont soumis à un traitement de chimiothérapie, mais avec les estimations de risque plus précises possibles grâce à l’IA, moins de femmes pourraient devoir le subir.
Actuellement, un pathologiste examinera les tissus cancéreux pour déterminer l’apparence du tissu anormal et, en fonction de l’apparence du tissu, déterminera le traitement à prescrire.
Cependant, de nombreuses études sur la biologie du cancer du sein ont montré que les cellules non cancéreuses peuvent jouer un rôle dans le maintien ou l’inhibition de la croissance des cellules cancéreuses.
Cooper a travaillé avec des collègues pour créer un modèle d’IA qui évalue les tissus cancéreux du sein à partir d’images numériques, en mesurant l’apparence des cellules cancéreuses et non cancéreuses, ainsi que les interactions entre elles.
« Ces modèles sont difficiles à évaluer pour un pathologiste, car ils peuvent être difficiles à catégoriser de manière fiable pour l’œil humain », a déclaré Cooper.
« Le modèle d’IA mesure ces modèles et présente les informations au pathologiste de manière à ce que le processus décisionnel de l’IA soit clair pour le pathologiste ».
L’outil examine 26 propriétés du tissu mammaire d’une patiente pour générer un score pronostique, tout en générant également des scores individuels pour les cellules cancéreuses, immunitaires et stromales afin d’expliquer le score global.
Ces informations peuvent ensuite être utilisées pour créer des plans de traitement individualisés, grâce à des estimations de risque plus précises.
Les chercheurs ont formé le modèle d’IA avec des centaines de milliers d’annotations de cellules et de structures tissulaires générées par l’homme dans des images numériques d’échantillons de tissus provenant de patients.
PUBLICITÉCes données ont été collectées sur plusieurs années.