Portrait

Améliorer le diagnostic de cancer avec un outil d’imagerie médicale propulsé par l’IA

La chercheuse April Khademi, Ph. D., ne fait aucune promesse lorsqu’il s’agit d’utiliser l’intelligence artificielle (IA) en imagerie médicale. Elle n’a pas besoin d’en faire. Elle a conçu des algorithmes pour des images médicales depuis plus de dix ans, et les résultats de sa recherche propulsée par l’IA parlent d’eux-mêmes.

« Les êtres humains peuvent commettre des erreurs, dit-elle. Mais les outils d’IA peuvent nous aider à être plus précis et plus constants. »

April Khademi, Ph. D., assise à un bureau devant un portable et un moniteur de grande taille montrant des cellules
April Khademi, Ph. D., Université métropolitaine de Toronto

Ingénieure biomédicale à l’Université métropolitaine de Toronto, Mme Khademi est titulaire d’un Prix pour chercheuses et chercheurs prometteurs de la SCC. Elle utilise ces fonds pour créer un outil d’IA aidant les pathologistes à poser de manière plus constante et plus fiable les diagnostics de cancer du sein qui orientent la prise de décisions sur le traitement. L’article récemment publié par son équipe dans Scientific Reports souligne le rôle de l’IA dans l’obtention de résultats plus précis, optimisant le flux de travail et se traduisant ultimement par de meilleurs soins aux patients et de meilleurs résultats.

Dans le cadre de sa recherche financée par la SCC, l’équipe d’April Khademi a mis son outil d’IA à l’épreuve avec 90 pathologistes de partout dans le monde. La Dre Susan Done, pathologiste et chercheuse au Centre de cancérologie Princess Margaret de Toronto, a contribué à concevoir l’étude et à analyser les données.

« Le potentiel est énorme, dit-elle. L’objectif avec l’IA est de rendre l’évaluation plus normalisée et plus reproductible. Si j’ai examiné une lame au moyen de l’IA et que mon collègue d’en face a examiné la même lame la semaine suivante, nous arriverons au même score. C’est ce qu’on entend par normalisation. »

La Dre Done ajoute que la normalisation permettra d’intégrer aux soins cliniques l’analyse de marqueurs tumoraux spécifiques, comme le marqueur de tumeurs mammaires ciblé dans le projet de Mme Khademi.

Dre Susan Done
Dre Susan Done, Centre de cancérologie Princess Margaret

Comment les travaux de la chercheuse April Khademi, Ph. D., aident à changer les issues

À l’heure actuelle, un cancer est diagnostiqué par un médecin spécialiste, appelé pathologiste, qui analyse des échantillons de tissus pour confirmer la présence d’un cancer et en déterminer le type.

« Le diagnostic définitif pour le cancer est établi à partir de l’analyse de pathologie, explique Mme Khademi, titulaire de la Chaire de recherche du Canada en IA pour l’imagerie médicale. Habituellement, l’analyse se fait au microscope. Elle consiste à examiner des cellules et des tissus pour fournir des scores et des grades qui guident les décisions sur les traitements. »

C’est une méthode problématique, car différents pathologistes peuvent interpréter différemment le même échantillon. Le problème vient du fait que l’évaluation repose sur des descripteurs qualitatifs, tels que la couleur et la forme. Même lorsque la taille est utilisée comme indicateur, les mesures peuvent varier selon l’endroit où elles sont prises. De plus, dans un contexte de pénurie de pathologistes, cette façon de diagnostiquer le cancer et de choisir le traitement peut entraîner des délais dans le diagnostic et les soins.

« Pour n’importe quelle analyse effectuée par des êtres humains, selon l’expérience, la formation ou même l’heure de la journée, l’interprétation visuelle d’une image pourrait mener à des réponses différentes, affirme Mme Khademi. Par ailleurs, l’IA peut générer des mesures quantitatives et réduire la variabilité des données, d’où une meilleure qualité de soins. »

Amanda Dy, étudiante au doctorat dans l’équipe d’April Khademi, a constaté de visu comment l’outil augmente la précision des pathologistes et crée un consensus entre collègues.

« Il les aide aussi à travailler plus rapidement pour réduire le délai d’obtention du diagnostic », poursuit-elle.

L’équipe de Mme Khademi évalue maintenant l’outil sur des ensembles plus récents et plus vastes de données pour élargir son application et vérifier sa fiabilité avant qu’il devienne une pratique standard.

Le financement de la SCC m’a permis d’accroître la robustesse de l’imagerie médicale par IA, et je ne saurais remercier suffisamment les donateurs de leur soutien. J’aimerais que notre outil soit un jour utilisé par les pathologistes afin que nous puissions, en bout de ligne, améliorer les soins aux patients.
Pour en savoir plus sur les investissements de la SCC dans la recherche de pointe, consultez notre stratégie de recherche.