ICTjournal - 01/ 2021

  • Suisse
  • Entreprises
  • Ainsi
  • Netzmedien
  • Peuvent
  • Swiss
  • Exemple
  • Travail
  • Collaboration
  • Signatures

34 IA médicale L’IA

34 IA médicale L’IA pour déceler les tumeurs ou les symptômes du Covid-19 En Suisse et ailleurs, la recherche médicale mène des projets prometteurs exploitant l’intelligence artificielle. Notamment en contribuant à créer des algorithmes qui identifient les tumeurs, diagnostiquent et traitent le Covid-19 ou promettent de concevoir des thérapies sur mesure. Yannick Chavanne Les jumeaux numériques ont le potentiel de faire progresser la médecine. L’intelligence artificielle et le deep learning trouvent toujours plus d’applications dans le domaine de la santé. Ces technologies peuvent entre autres faciliter le travail des médecins pour détecter automatiquement les tumeurs et pour évaluer leur évolution en cours de traitement. Cette aide est évidemment d’autant plus précieuse si l’on fait appel aux algorithmes les plus efficaces. Une compétition baptisée «HECKTOR 2020» a ainsi eu lieu dans le cadre de la conférence MICCAI (Medical Image Computing and Computer Assisted Intervention). Le concours a été organisé par la HES-SO Valais-Wallis à Sierre. Une vingtaine d’équipes de chercheurs du monde entier ont pris part à la compétition pour tenter d’élaborer le meilleur algorithme d’intelligence artificielle pour la détection et le contourage automatique de tumeurs des voies aérodigestives supérieures. «Le cancer de la sphère ORL est l’un des plus fréquents (5 ème cancer avec l’incidence la plus élevée). Il y a un manque de recherche et de données dans ce domaine», explique à la rédaction Vincent Andrearczyk, Adjoint Scientifique à l’Institut informatique de gestion de la haute école valaisanne. Données d’entraînement et données de test Les organisateurs du challenge «HECKTOR 2020» ont dans un premier temps fourni un jeu d’images annotées afin que les participants puissent entraîner leurs modèles. Un autre jeu de données non annotées a ensuite servi à tester les algorithmes, en comparant leur prédiction d’évolution de tumeurs avec celles des médecins. Pour la précision des algorithmes, on mesure le volume d’intersection entre les prédictions automatiques et les annotations d’un médecin, développe le chercheur la HES-SO Valais-Wallis à Sierre. Une équipe du laboratoire de traitement de l’information médicale (LaTIM) à Brest (France) a remporté la compétition dotée d’un prix de 500 euros. Leur approche, basée sur du deep learning, a surpassé la performance des médecins pour certains patients. Des algorithmes pour voir et entendre le Covid dans les poumons A l’instar du cancer, d’autres maladies peuvent être diagnostiquées à l’aide d’algorithmes faisant carburer des modèles de reconnaissance de patterns, aussi bien visuels que sonores. Echographies et enregistrements audio peuvent ainsi être passés aux cribles par des modèles d’IA pour diagnostiquer le Covid-19. C’est pour ce cas d’usage que le groupe intelligent Global Health (iGH) de l’EPFL élabore les algorithmes d’apprentissage profond Deep- Chest et DeepBreath. Le premier est spécialisé dans les images pulmonaires et le second dans les bruits de respiration. «L’intelligence artificielle nous permet de mieux comprendre les schémas complexes dans ces examens cliniques fondamentaux. Jusqu’à présent, les résultats sont très prometteurs», déclare le professeur Martin Jaggi de la Faculté informatique et communications de l’EPFL. Evolution de projets pré-Covid Aussi bien DeepChest que DeepBreath sont nés avant la survenue de la pandémie du nouveau coronavirus. Deep- Chest a démarré en 2019 et visait d’abord à définir des marqueurs capables de mieux distinguer la pneumonie virale de la pneumonie bactérienne. La partie clinique du projet est menée au CHUV (Lausanne), où des milliers d’images d’ultrasons pulmonaires ont été recueillies auprès de patients souffrant des symptômes de Covid-19 et admis aux urgences. DeepBreath tire son origine d’un projet élaboré aux HUG (Genève) pour mieux diagnostiquer la pneumonie. Dans ce cadre, des bruits respiratoires sont recueillis depuis 2017 pour concevoir un stéthoscope numérique intelligent, baptisé le «pneumoscope». Ces enregistrements sont aujourd’hui utilisés pour développer l’algorithme DeepBreath. «Nous continuons à améliorer et à valider les algorithmes, et à rendre la logique de boîte noire complexe plus facile à interpréter pour les cliniciens. Nous voulons créer des outils robustes et fiables, dont les capacités vont au-delà de cette pandémie», confie Mary-Anne Hartley, médecin et chercheuse au sein du groupe intelligent Global Health. Au-delà du Covid-19, ces algorithmes promettent d’être utiles dans la lutte contre les autres maladies respiratoires et de répondre également à l’enjeu croissant posé par la résistance aux antibiotiques. Vers des clones virtuels de patients Covid Toujours autour du Covid-19, l’EPFL conduit un autre projet de recherche à l’échelle européenne, combinant cette 01 / 2021 www.ictjournal.ch © netzmedien ag

IA médicale 35 fois IA et concept de Digital Twin. En tant que clones virtuels de structures ou d’éléments du monde physique, les jumeaux numériques présentent en effet le potentiel de faire progresser la médecine. Le projet Digipredict a pour objectif d’exploiter ce concept technologique pour prédire les formes graves de Covid-19. Le jumeau numérique développé dans le cadre du projet Digipredict se nourrira de données issues du patient et collectées à l’aide d’un patch enregistrant les taux d’oxygène, de respiration ou encore la température corporelle. Ce patch va en outre intégrer des nanocapteurs pour procéder au suivi en temps réel de biomarqueurs indiquant des prémices d’une réaction immunitaire. La meilleure combinaison de biomarqueurs sera sélectionnée en tirant parti d’une autre technologie innovante de génie biomédical, l’organe-sur-puce, un système d’organes artificiel. Ce Digital Twin d’un patient permettra de suivre la progression de la maladie en temps réel afin de prodiguer le traitement le plus adapté. Au-delà du Covid-19, cette technologie promet de révolutionner la prédiction de l’évolution et le traitement personnalisé des maladies inflammatoires en général. Un centre de recherche pour l’IA médicale voit le jour à Berne C’est également dans l’optique de développer des thérapies sur mesure et efficaces qu’un centre consacré à l’intelligence artificielle médicale a vu le jour en Suisse, sous l’impulsion de l’Université de Berne et de l’Hôpital de l’Île. Le «Center for Artificial Intelligence in Medicine» (CAIM), qui réunit recherche de pointe en médecine, ingénierie et numérisation, se présente comme une plateforme de recherche, d’enseignement et de transfert de technologies médicales utilisant l’IA, l’objectif étant de contribuer à transférer le plus rapidement possible les résultats des recherches dans des produits et de nouvelles thérapies. Par exemple, les plans de traitement contre le cancer pourront être conçus plus spécifiquement en fonction des besoins de chaque patient, afin de réduire au minimum l’exposition aux radiations. Défi scientifique vieux d’un demi-siècle, le «problème du repliement» consiste à prédire la structure tridimensionnelle d’une protéine à partir de sa séquence unidimensionnelle d’acides aminés. Il faut savoir que la forme d’une protéine est étroitement liée à sa fonction. La dernière version d’AlphaFold repose sur un réseau de neurones artificiels entraîné pour interpréter la structure du «graphe spatial» représentant une protéine repliée. En puisant dans l’IA, les médecins pourront notamment concevoir des plans de traitement contre le cancer plus spécifiquement, en fonction des besoins de chaque patient. Beaucoup de promesses mais d’autres défis à relever Les algorithmes d’AlphaFold ont remporté le concours bisannuel du CASP (Critical Assessment for Structure Prediction), avec un score plus élevé qu’une analyse expérimentale réussie. Les équipes de DeepMind concèdent toutefois qu’il reste des progrès à réaliser: «Toutes les structures que nous prévoyons ne seront pas parfaites. Il reste beaucoup à apprendre, notamment sur la façon dont de multiples protéines forment des complexes, sur leur interaction avec l’ADN, l’ARN ou les petites molécules, et sur la façon dont nous pouvons déterminer l’emplacement précis de toutes les chaînes latérales d’acides aminés». L’IA de Google prédit la structure des protéines On l’aura compris, l’intelligence artificielle et le deep learning cristallisent de nombreux espoirs, aussi bien pour épauler efficacement les médecins que pour créer des thérapies inédites. Une prouesse réalisée récemment par la technologie d’intelligence artificielle de DeepMind, filiale de Google, représente un jalon important vers la mise au point de traitements pour de nombreuses maladies dont le Covid-19. Les algorithmes de DeepMind ont su prédire la structure d’une protéine avec précision et bien plus rapidement qu’avec les techniques utilisées actuellement par les chercheurs. Le système AlphaFold est plus exactement parvenu à déterminer la forme que prendront des protéines qui se replient. A l’Université de Berne, un scientifique et un radiologue travaillent ensemble pour développer une IA clinique pouvant diagnostiquer les maladies pulmonaires. www.ictjournal.ch © netzmedien ag 01 / 2021