•  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  

Début du contenu

L'intelligence artificielle pour évaluer les pronostics en cancérologie

Les années lumière, ICI Première.

L'intelligence artificielle pour évaluer les pronostics en cancérologie

L'homme aux cheveux bruns, en chemise et cravate et blouse blanche, devant un escalier.
Olivier Morin s'intéresse à la science des données en oncologie. Il est chef du département de physique par interim à l'Université de Californie San Francisco.PHOTO : Radio-Canada / Gracieuseté : UCSF
Les années lumière, ICI Première.
Les années lumièrePublié le 25 octobre 2021

Comment un patient réagira-t-il à tel traitement? Comment tel cancer évoluera-t-il? Y aura-t-il des métastases? Si on pouvait le savoir d'avance, ce serait bien pratique pour décider du caractère plus ou moins fort d'un traitement. Si l'être humain ne peut pas prédire l'avenir, des millions de données analysées par des algorithmes puissants, avec l'intelligence artificielle, pourraient-elles aider à le faire?

Une étude publiée dans Nature Cancer décrit comment des millions de données provenant des hôpitaux peuvent être analysées par l'intelligence artificielle pour créer des modèles prédictifs. L'objectif: aider les oncologues à prendre de meilleures décisions cliniques pour leurs patients. Une équipe interuniversitaire travaille sur cette question à San Francisco, aux États-Unis, et à Sherbrooke, au Québec, avec l'aide de chercheurs en Allemagne et aux Pays-Bas.
L’Université de la Californie à San Francisco a regroupé l’information médicale de 175 000 patients atteints de cancer; des millions de données de notes médicales, résultats de laboratoire, rapports de radiologie, rapports de pathologie, prescriptions de médicaments et rencontres avec les patients. Ces données s'étalent sur une dizaine d'années. D'autres s'ajouteront au fur et à mesure, à raison de 10 000 individus de plus chaque année.


Grâce à une infrastructure d'apprentissage continu, mise au point à l'Université de Sherbrooke, il a déjà été possible de confirmer certains résultats d'études cliniques; par exemple que l'immunothérapie est efficace dans le traitement du cancer du poumon. C'est une preuve de concept, qui montre que les algorithmes fonctionnent. Cependant, il faudra des données supplémentaires provenant de plusieurs pays, et il faudra les uniformiser, afin de réduire certains partis pris. À terme, cet outil devrait permettre de soutenir la décision clinique des médecins oncologues.