Des startups du programme NVIDIA Inception utilisent l’intelligence artificielle pour combler plusieurs lacunes dans la prise en charge du cancer du sein, de la difficulté d’accès au dépistage et du manque de radiologues à la lenteur des résultats des examens sur lesquels repose le choix du traitement. Ces applications sont déployées aux États-Unis, où environ 40 millions de mammographies sont réalisées chaque année, tandis que la pénurie de radiologues au cours de la prochaine décennie devrait accroître la pression sur le système d’interprétation et de diagnostic.
Selon NVIDIA, les entreprises présentées utilisent son infrastructure informatique, notamment les unités de traitement graphique, CUDA et MONAI, pour développer des outils allant de l’imagerie automatisée à l’analyse des lames histopathologiques, en passant par l’intégration des données cliniques et génétiques.
Une imagerie plus homogène et plus proche des patientes
iSono Health développe la plateforme ATUSA, un système d’échographie tridimensionnelle et quantitative portable, autorisé par la FDA. Le système capture un volume standardisé du sein en environ deux minutes par sein, contre jusqu’à 45 minutes pour un examen traditionnel par échographie manuelle.
Le système s’appuie sur l’intelligence artificielle pour automatiser la capture des images et a été entraîné sur des milliers d’examens complets comprenant plus de 1,5 million d’images échographiques. L’entreprise affirme que le système est 28 % plus sensible que l’échographie manuelle bidimensionnelle. La standardisation de la méthode d’imagerie pourrait également faciliter la comparaison des examens annuels et réduire la variabilité liée à l’expérience de l’opérateur.
ATUSA est disponible commercialement dans des cliniques partenaires en Californie, au Texas, en Géorgie, au Tennessee et à Washington, D.C. iSono Health mène une étude multicentrique auprès de 3 200 patientes afin de valider les performances de la plateforme, avec des sites de recherche principaux à UC Davis et au Vanderbilt University Medical Center. L’entreprise travaille à l’élargissement de ses outils afin d’inclure la détection, la segmentation et la classification des lésions, puis à intégrer l’échographie tridimensionnelle à la mammographie, à l’imagerie par résonance magnétique et aux informations cliniques.
Réduire la charge de travail des radiologues
Whiterabbit.ai développe le logiciel WRDensity, un outil autorisé par la FDA pour évaluer automatiquement la densité mammaire à partir de mammographies, qui a été utilisé dans la prise en charge de centaines de milliers de patientes. L’entreprise propose également WRRisk, destiné à soutenir la décision clinique et à estimer le risque à long terme de développer un cancer du sein.
L’entreprise étudie une nouvelle génération d’outils d’intelligence artificielle pour la mammographie, susceptibles d’aider les radiologues à détecter davantage de cancers tout en automatisant l’examen des images ne présentant aucun signe de maladie. L’objectif pratique n’est pas de remplacer le médecin, mais d’alléger la tâche consistant à rechercher des cas rares ; comme l’explique le cofondateur et directeur technique Jason Su, un radiologue spécialisé dans le sein cherche à trouver environ un cas de cancer sur 200 mammographies.
De l’image à la décision thérapeutique
Ataraxis AI se concentre sur la phase suivant le diagnostic, au cours de laquelle les décisions thérapeutiques peuvent nécessiter des examens histologiques prenant de deux à quatre semaines. Les modèles de l’entreprise analysent des lames numériques d’anatomopathologie et des variables cliniques standardisées afin de prédire la réponse de la tumeur au traitement et le risque de récidive.
L’un des modèles prédit la probabilité que la tumeur se rétracte en réponse à une chimiothérapie avant l’intervention chirurgicale, tandis qu’un autre estime, après l’opération, le risque de récidive de la maladie au cours des cinq années suivantes ainsi que le bénéfice potentiel de la chimiothérapie. L’entreprise affirme que les deux modèles ont été validés dans plus de dix établissements et plusieurs essais cliniques, et qu’ils sont utilisés en pratique clinique, avec un déploiement possible sur des infrastructures locales, dans des centres de données externes ou dans le cloud.
Intégrer les données dans un modèle tridimensionnel
SimBioSys développe une technologie de médecine de précision qui crée des modèles tridimensionnels des tumeurs du sein, des vaisseaux et des tissus mous, afin de soutenir la chirurgie et la planification thérapeutique. L’entreprise a également développé un outil d’estimation du risque de récidive du cancer reposant sur des données volumétriques issues de l’imagerie par résonance magnétique, des résultats d’anatomopathologie et des données cliniques.
Le changement le plus important réside dans le rassemblement de plusieurs types de données, plutôt que dans l’analyse de chaque source séparément. Mais l’article souligne également une limite fondamentale : certaines des technologies mentionnées restent expérimentales et n’ont pas reçu l’autorisation de la FDA pour un usage commercial. De plus, les résultats des études en cours et la validation clinique resteront déterminants avant la généralisation de ces outils, en particulier lorsque les prédictions influencent directement les décisions thérapeutiques.
Pourquoi cette information est-elle importante ?
Ces applications montrent que la valeur pratique de l’intelligence artificielle dans le cancer du sein ne se limite pas à la détection d’une image anormale, mais s’étend à la standardisation de l’imagerie, à la hiérarchisation des risques et à l’accélération de l’analyse des données qui précède la décision thérapeutique. Toutefois, l’adoption clinique ne dépend pas uniquement de la rapidité des modèles d’intelligence artificielle : les autorisations réglementaires, la validation dans plusieurs établissements et la précision des prédictions auprès de groupes de patientes différents sont autant de questions qui restent ouvertes.