L’intelligence artificielle incarne le futur de l’aide au diagnostic en neuro-imagerie

Une économie de temps, un tri des cas urgents, un outil qui n'oublie pas et ne se fatigue pas... L'intelligence artificielle (IA) serait le futur de l'aide au diagnostic en neuro-imagerie. Plusieurs équipes de la Faculté de médecine et des sciences de la santé (FMSS) de l'Université de Sherbrooke (UdeS) contribuent aux développements de l'IA en imagerie. Faisons incursion dans l'univers de la neuro-imagerie avec le Pr Martin Lepage, directeur du Département des sciences de l'imagerie médicale et des radiations à l'UdeS, qui mise sur l'implantation de cet outil pour l'aide au diagnostic d'ici 10 ans.

« Imaginez que vous êtes radiologue. Vous avez des centaines d'images à analyser pour un patient : 30 images de son cerveau sous un premier angle, 30 sous un autre et 30 encore un troisième angle », soulève le Pr Lepage. Ainsi, ces médecins spécialistes reçoivent chaque jour des piles et des piles d'images provenant de divers appareils d'imagerie médicale à lire et à interpréter. Bien évidemment, ils se doivent d'analyser attentivement ces images pour s'assurer que leurs patients recevront les soins nécessaires.

Une économie de temps pour les spécialistes

L'IA pourrait être un atout majeur pour simplifier le travail des spécialistes en imagerie médicale et améliorer la rapidité du diagnostic. Le rôle de cet algorithme informatique serait donc de trier les cas en fonction de l'urgence de la situation et d'attirer l'attention du médecin spécialiste sur certaines zones.

Répondre aux besoins cliniques en développant un algorithme

« Il en revient aux médecins de définir où ils gagneraient à avoir des outils d'IA », explique le Pr Lepage. Cette collaboration transdisciplinaire entre personne chercheuse et spécialiste mènera à l'idéation et au développement de modèles d'apprentissage automatique, qui constitue un domaine de l'IA.

Il en revient aux médecins de définir où ils gagneraient à avoir des outils d'IA.

Professeur Martin Lepage, directeur du Département des sciences de l'imagerie médicale et des radiations à l'UdeS

Un algorithme d'apprentissage automatique correspond à l'ensemble des instructions et des procédures établies pour accomplir une tâche précise. Cet algorithme, comme son nom l'indique, apprendra et s'améliorera à chaque nouveau cas. En ce qui concerne l'aide au diagnostic, un tel algorithme pourrait être développé pour l'identification de régions nécessitant l'attention d'un médecin, par exemple, pour la détection d'une tumeur au cerveau.

Son but : reproduire des tâches qu'un humain fait et qu'un humain, tel un spécialiste de l'imagerie médicale, aurait pu accomplir. On apprend donc à l'algorithme l'analyse d'images en lui fournissant d'abord une base de données déjà annotées par un spécialiste. Avec ces images annotées, l'algorithme obtient un contexte qui lui permettra d'apprendre à réaliser cette tâche par lui-même.

Cet « apprentissage » lui permettra de produire une aide au diagnostic en indiquant, par exemple à l'aide de flèche sur une image, les zones jugées anormales. L'apprentissage automatique permet donc de construire sur les bases déjà existantes du diagnostic.

En prime, pour reprendre les termes du Pr Lepage, « l'algorithme n'oublie pas et il ne se fatigue pas pendant la journée même si ça fait 24 h de suite qu'il fait la même tâche ». Un tel développement technologique pourrait donc permettre d'épauler les spécialistes face à une lourde charge de travail en plus de fournir des soins plus rapidement aux patients. Mais où en sommes-nous dans le développement de tels outils ?

L'Université de Sherbrooke dans le domaine de l'IA

« À Sherbrooke, nous avons des chercheurs à l'avant-garde dans le domaine de l'imagerie », relève fièrement le Pr Lepage. En effet, au sein de l'Université plusieurs groupes de recherche collaborent pour le développement de technologies innovantes qui transformeront l'univers du diagnostic par imagerie médicale.

À Sherbrooke, nous avons des chercheurs à l'avant-garde dans le domaine de l'imagerie.

Professeur Martin Lepage, directeur du Département des sciences de l'imagerie médicale et des radiations à l'UdeS

À titre d'exemple, des équipes de recherche affiliées au Département d'informatique de la Faculté des sciences améliorent la cartographie cérébrale grâce à l'IA. Leur approche innovante permet d'atteindre une précision inégalée dans la cartographie de la matière blanche lors de l'imagerie du cerveau. À la FMSS, le nouveau Pavillon de santé de précision et de recherche translationnelle accueillera également des équipes de recherche dédiées à repousser les limites de l'oncologie de précision.

Finalement, le groupe de recherche du Pr Kevin Whittingstall met sur pied des outils d'IA innovateurs. D'après les mots du Pr Lepage, ces outils peuvent produire des « images des vaisseaux sanguins du cerveau avec une précision et une justesse inégalées ». Ce groupe de recherche s'implique également dans la formation de personnes étudiantes co-dirigées avec des cliniciens. Ces échanges stimulent non seulement les avancées technologiques, mais aussi la formation d'une clientèle étudiante engagée, abaissant ainsi les barrières entre les sciences fondamentales et la clinique : une base essentielle pour les soins personnalisés de demain.

À propos de Martin Lepage
- Directeur et professeur-chercheur au Département des sciences de l'imagerie médicale et des radiations de la FMSS
- Professeur-chercheur pour l'Institut de pharmacologie de Sherbrooke (IPS)
- Professeur-chercheur pour l'Institut de recherche sur le cancer de l'Université de Sherbrooke (IRCUS)
- Professeur-chercheur pour le Centre de recherche du CHUS (CRCHUS)
- Membre associé du Centre d'imagerie médicale de l'UdeS

À propos de Kevin Whittingstall
- Professeur-chercheur au Département de radiologie diagnostique de la FMSS
- Professeur-chercheur pour l'Institut de recherche sur le cancer de l'Université de Sherbrooke (IRCUS)
- Professeur-chercheur pour le Centre de recherche du CHUS (CRCHUS)
- Membre associé du Centre d'imagerie médicale de l'UdeS

Cet article a été rédigé par Maude Hamilton, candidate au doctorat dans le laboratoire de la Pre Véronique Giroux. Elle travaille sur la lactylation, une modification pouvant être présente sur les protéines d'une cellule et qui peut affecter leurs fonctions, dans le cancer de l'œsophage.

À lire également dans ce dossier.

• Deux chaires de recherche en numérique de la santé
• Quand informatique, mathématique, philosophie et droit s’allient pour s’attaquer au défi de l’accès aux données
• Plus de transparence pour un consentement éclairé
• Utilisation des données - partie 1 : Une mine d'or pour les équipes de recherche
• Utilisation des données - partie 2 : Recourir à l’IA pour extraire l'information des banques de données