Cette page a été traduite automatiquement.
Merci de bien vouloir compléter un sondage de 1 minute concernant la qualité de cette traduction.
Des chercheurs de l'University College de Dublin exploitent la vision par ordinateur et l'IA pour identifier les personnes atteintes du cancer, en temps réel et sans biopsie
Une approche innovante permet un diagnostic du patient plus rapidement
« Les outils MATLAB permettent de développer et d’utiliser des méthodes avancées de Machine Learning sans avoir à posséder des compétences de programmation au-delà des compétences de base. »
Principaux résultats
- MATLAB a permis aux professionnels de santé de débuter leurs recherches en IA avec une expérience de codage minimale.
- L'application Classification Learner a permis d'atteindre des niveaux de précision de 90 %, lors de l'évaluation de 50 lésions pour détecter des tissus cancéreux.
- Le champ de vision complet a permis d'augmenter l'échantillonnage et de créer des ensembles de données plus propres, en identifiant le bruit (provenant des instruments chirurgicaux, par exemple) dans le but de le supprimer.
Grâce aux outils d’IA de MATLAB, les chercheurs ont pu évaluer les polypes du côlon sans prélever d’échantillon de biopsie.
Le Centre de chirurgie de précision de l'University College Dublin (UCD) est un institut de recherche au sein d'une faculté de médecine, qui se concentre sur l'utilisation de la technologie pour améliorer la santé des patients. L’un des principaux défis auxquels les chercheurs de l’UCD ont dû faire face est de savoir comment évaluer efficacement en temps réel le risque d’un patient à développer un cancer colorectal. Le cancer colorectal est la quatrième cause de décès lié au cancer dans le monde et repose traditionnellement sur un diagnostic via la biopsie d’un polype colorectal. Cependant, l’évaluation d’un échantillon de biopsie prend du temps et ne donne qu’un aperçu partiel du polype. Pour éviter cela, les chercheurs de l'UCD ont utilisé des outils MATLAB® permettant d'obtenir des résultats basés sur l'IA pour l'analyse temps réel des polypes, avec un champ de vision complet pour évaluer l'ensemble du polype.
Aujourd’hui, les équipes chirurgicales utilisent des colorants médicaux, amplifiés par des caméras vidéo chirurgicales, pour évaluer les tissus proches des régions cancéreuses. À l’aide d’App Designer et de Computer Vision Toolbox™, les chercheurs ont développé une application pour stabiliser ces vidéos, afin de pouvoir calculer les caractéristiques, à partir des historiques temporels d’intensité de fluorescence extraits représentant la diffusion du colorant dans les tissus. Des étiquettes ont ensuite été appliquées aux images vidéo pour marquer les zones cancéreuses et bénignes, comme prédéterminées par l’expertise du clinicien et les résultats de la biopsie.
De plus, à l’aide de l’application Classification Learner, les caractéristiques étiquetées ont ensuite été utilisées pour former un modèle de Machine Learning afin d’identifier les régions cancéreuses pour de nouvelles vidéos chirurgicales sans assistance humaine. Le modèle entraîné a surpassé les cliniciens dans l’identification des tissus cancéreux et a obtenu des résultats au moins aussi bons qu’une biopsie traditionnelle, la référence actuelle en matière de pré-excision.
Les outils MATLAB simples d’utilisation ont permis aux chercheurs de l'UCD de démarrer leurs recherches en IA sans connaissances préalables en codage. Cette approche pourrait conduire plus rapidement à un diagnostic des patients et à de meilleurs résultats cliniques à l’avenir. L’équipe de recherche prévoit d’utiliser les outils MATLAB pour évaluer également les greffes de chirurgie plastique et la résection intestinale.
Ressources associées
