IA dans la Santé – 5

Nous voici dans la cinquième partie de l’IA dans la santé

Pour permettre une prise en charge efficace des tumeurs au cerveau réputées les plus agressives, une équipe de chercheurs de l’Harvard Medical School développe un outil utilisant l’intelligence artificielle pour séquencer l’ADN de la tumeur pendant l’opération chirurgicale.

Après le disgnostic

Une fois le diagnostic posé, le temps est compté. La durée médiane de survie avec un gliome, une tumeur au cerveau la plus fréquente et la plus agressive, peut aller de quelques mois à plusieurs années selon le moment et l’efficacité de sa prise en charge. Bien que de plus en plus rapides, les procédures actuelles de séquençage du génome des tumeurs, qui permettent d’en connaître parfaitement l’identité, ne sont toujours pas optimales. Des scientifiques de la Harvard Medical School (HMS) ont conçu un outil d’intelligence artificielle, appelé CHARM (« Cryosection Histopathology Assessment and Review Machine »), capable de décoder l’ADN d’une tumeur cérébrale durant une intervention chirurgicale. Un gain de temps et de précision qui pourrait permettre de guider les chirurgiens vers les décisions chirurgicales et thérapeutiques les plus adaptées. Les premiers résultats de ces travaux sont publiés dans la revue Med.

Une information indispensable : l’identité moléculaire de la tumeur,

Chaque tumeur a son identité moléculaire propre : il existe par exemple trois sous-variants principaux du gliome, qui n’auront pas la même vitesse de développement ni la même réaction aux traitements. Connaitre cette identité exacte permet aux neurochirurgiens de prendre les meilleures décisions pour traiter efficacement une tumeur en particulier. « Certaines tumeurs bénéficient par exemple d’un traitement sur place avec des plaquettes enduites de médicaments placées directement dans le cerveau au moment de l’opération », explique Kun-Hsing Yu, auteur principal de l’étude et professeur à l’Institut Blavatnik de l’HMS. Des décisions qui concernent également la quantité de tissu cérébral à retirer, si une ablation trop importante peut affecter les fonctions cognitives du patient, laisser des tissus cancéreux est un risque de voir la tumeur se propager de nouveau.

La signature de la tumeur fournit de précieux renseignements sur la propagation, l’agressivité et la réaction aux traitements. Seulement, cette information cruciale peut prendre quelques jours, voire quelques semaines à être délivrée par les méthodes actuelles, qui consistent à prélever du tissu cérébral en amont, le congeler et l’examiner au microscope.

Voila un outil d’oncologie de précision en temps réel

Loin de voler la vedette au médecin, l’outil CHARM a été développé dans le but d’accélérer et d’optimiser la prise en charge des tumeurs au cerveau, en procédant à leur identification moléculaire durant l’opération chirurgicale. Ces informations, délivrées en temps réel grâce à un échantillon de tissu tumoral, permettent au chirurgien de prendre les décisions les plus adaptées au profil de la tumeur, sans délai d’analyses supplémentaires, ni congélation. CHARM utilise l’intelligence artificielle pour identifier la signature moléculaire des tumeurs à partir d’une nase de données issues de 2.300 échantillons congelés précédemment.

Afin de mieux comprendre le développement de la maladie et de poser un diagnostic avant l’apparition de premiers symptômes, des chercheurs développent des méthodes statistiques et d’intelligence artificielle pour construire des modèles d’évolution des structures cérébrales.

La situation

Elle apparaît surtout chez de jeunes adultes, entre 25 et 35 ans, et toucherait plus de 115 000 personnes en France, avec 5 000 nouveaux diagnostics réalisés chaque année1. La sclérose en plaques (ou SEP) est une maladie inflammatoire, auto-immune et neurodégénérative qui affecte le cerveau et la moelle épinière. L’inflammation détruit la myéline, qui ne peut alors plus assurer son rôle de gaine protectrice pour les axones des neurones. Une perte qui affecte particulièrement la transmission de l’information transitant de cellules nerveuses en cellules nerveuses. Cette maladie chronique réduit les facultés motrices, visuelles, sensitives et cognitives, en fonction de la taille et de l’emplacement des lésions qu’elle inflige. Des soins existent pour limiter l’avancée de la pathologie, mais elle ne peut pas encore être guérie.

• Comment l’IA a redonné la voix à une femme paralysée à la suite d’un AVC
  Ann Johnson, alors professeur de mathématiques au Canada, a subi un AVC en 2005 qui l’a laissée totalement paralysée. Des chercheurs de l’Université de Californie à San Francisco (UCSF), en collaboration avec des collègues de l’Université de Californie à Berkeley, lui permettent aujourd’hui de communiquer via un implant cérébral et un avatar sur ordinateur.
  Publié sur ActuIA par Thierry Maubant le 28 août 2023

C’est souvent après des premiers symptômes, après une IRM, que les patients atteints de la sclérose en plaques ou d’une maladie neurogénérative savent à quoi s’en tenir.

C’est un problème pour le suivi de la maladie, car on ne sait pas quand ni comment les structures cérébrales ont été touchées par l’affection.

Un système parlementaire bicaméral pour analyser les IRM

Pour identifier les zones du cerveau qui sont les premières affectées par une maladie neurogénérative, l’étude des images du cerveau est indispensable, mais « une segmentation fine du cerveau sur des images IRM demande deux semaines de travail à une personne formée spécialement pour », explique Pierrick Coupé, directeur de recherche au CNRS. C’est là que l’intelligence artificielle entre en scène.

Le spécialiste de l’analyse et du traitement d’imageries biomédicales et son équipe ont analysé les IRM de 41 000 sujets, dont plus de 2 500 profils provenant de la base de données de l’Observatoire français de la sclérose en plaques. Avec autant de cerveaux à analyser, « ce travail serait tout bonnement impossible sans IA ».

L’objectif est de « vérifier si des structures étaient atteintes de façon précoce et spécifique par la maladie ». Et pour y parvenir, les chercheurs ont développé une IA dotée de 250 réseaux de neurones au fonctionnement inspiré de notre manière de résoudre des problèmes : un système parlementaire bicaméral !

« Les réseaux de neurones sont organisés comme deux chambres d’un parlement : l’une analyse à faible résolution tandis que l’autre affine ses résultats. Elles communiquent pendant tout le processus jusqu’à converger sur un consensus découlant sur la discrimination des structures cérébrales les unes par rapport aux autres ».

L’IA des chercheurs a ceci d’important qu’elle s’appuie sur une segmentation cérébrale lisible par les humains : on peut donc détecter plus facilement une erreur dans l’algorithme et connaitre le cheminement logique de l’IA.

Plusieurs découvertes découlent de cette recherche. Le thalamus est ainsi la première région du cerveau touchée par la sclérose en plaques, puis quatre ans plus tard c’est le putamen (chargé de la régulation des mouvements) qui commence à se dégrader. Passé les neuf premières années, c’est le tronc cérébral (régulation de la respiration et du rythme cardiaque) qui se détériore. Tout cela précède le diagnostic qui tombe généralement une dizaine d’années après les premières altérations du thalamus.

Pierrick Coupé a déjà développé un outil d’aide au diagnostic pour Alzheimer, et il prépare quelque chose de similaire pour la sclérose en plaques.

Article source : Une IA décèle les premiers signes de la sclérose en plaques
Publié par Martin Koppe sur Le Journal du CNRS le 8 novembre 2023