Quand des algorithmes lisent des images médicales

L’IA en médecine, danger ou opportunité ? Les vifs débats autour de l’intelligence artificielle, capable de se substituer aux travailleur-euses, doivent aussi éclairer ses avantages, notamment en matière de santé et de médecine personnalisée. Certaines tâches chronophages et trop gourmandes en ressources humaines pour être financièrement supportables, peuvent être déléguées aux algorithmes. C’est notamment le cas dans le domaine de la médecine de précision basée sur des images acquises durant des examens cliniques. En effet, ces images destinées à un usage spécifique servent aussi à entraîner des modèles informatiques autoapprenants qui nécessitent une importante quantité de données. Elles révèlent alors la diversité des organismes humains et des pathologies qui affectent les patient-es.

Scanner CT : quand la technologie qui soigne irradie l’organisme

Le travail de recherche de l’équipe du Professeur Adrien Depeursinge a concentré ses efforts sur les images tirées de scanners-CT (computed tomography). Si répété trop souvent, ce type d’imagerie médicale représente un danger pour les patient-es dont l’organisme absorbe des rayons X et donc une dose de radiation au potentiel cancérogène. De plus, les images produites varient en fonction du scanner utilisé ainsi que du type de réglages demandé par le/la radiologue. Les images analysées sont donc hétérogènes, ce qui complique la tâche du modèle d’apprentissage algorithmique. Le projet « TCIA data QA4IQI » (Quality assessment for interoperable quantitative CT-Imaging) prévoit de mesurer et d’isoler ces variations dans les images afin de les rendre homogènes et de gommer les différences générées par le protocole d’acquisition, la qualité, les préférences des radiologues ou les mises à jour logicielles.

Pour préserver la santé des patient-es, l’équipe de chercheur-euses de l’institut informatique de la HES-SO Valais-Wallis a collaboré avec la start-up PhantomX qui a produit un objet physique en 3D. Cette reproduction réaliste d’un organisme humain ou phantom, permet de calibrer le scanner et de vérifier les variations produites par la machine selon les réglages ou la dose de rayons X choisie. Ce phantom a l’avantage de rester immobile, de ne pas être affecté par les radiations et de pouvoir circuler rapidement dans différents hôpitaux. Les radiologues peuvent ainsi vérifier la variabilité des images d’un scanner et harmoniser ces dernières afin d’en améliorer la lecture.

Le SPHN finance la recherche en médecine personnalisée et favorise les échanges entre institutions

Ce projet de recherche financé par le SPHN (Swiss Personalized Health Network) est réalisé en collaboration avec le Professeur Bram Stieltjes de l’Hôpital Universitaire de Bâle, le Professeur Ender Konukoglu de l’ETH à Zurich, ainsi que le Professeur Henning Müller de l’institut informatique. L’acquisition d’images ainsi que les compétences en physique de l’imagerie de l’hôpital bâlois et l’expertise dans le domaine de la vision numérique (computer vision) de l’ETH, ont permis à l’équipe de l’institut informatique de créer le phantom en 3D, de choisir les images pertinentes, de tester les régions synthétiques à analyser, de vérifier la stabilité du modèle et de sélectionner, valoriser et mettre en ligne un jeu de données pour l’ensemble de la communauté scientifique. L’évaluation de la qualité de l’imagerie quantitative et interopérable est une pierre angulaire de la médecine personnalisée, c’est pourquoi le SPHN a soutenu ce projet. Il est d’autant plus intéressant que les résultats obtenus sont maintenant mis à disposition de la communauté scientifique mondiale.

Améliorer la santé des patient-es et faire avancer la recherche grâce à la science ouverte

Les instituts de recherche de la HES-SO Valais-Wallis sont particulièrement attentifs à rendre la recherche scientifique accessible à toutes et tous grâce à la science ouverte ou Open science. Cette façon de faire de la recherche et d’en diffuser les résultats permet l’ouverture, la collaboration et la transparence afin de faire avancer la recherche plus rapidement et efficacement. Ce partage de données a demandé un effort très important à Roger Schaer, collaborateur scientifique et Oscar Jimenez Del Toro, ancien collaborateur scientifique de l’institut informatique qui ont passé des centaines d’heures à trier, formater et labelliser des données complexes ; toutefois, cela est particulièrement important dans le domaine de la eSanté, car ces avancées technologiques profitent directement aux personnes atteintes dans leur santé. Un intérêt marqué de la communauté scientifique a d’ailleurs été constaté lors de la mise en ligne de ce jeu de données, ainsi que durant l’université d’été à laquelle le Professeur Depeursinge a participé.

Libérer le temps des médecins pour leur permettre de se consacrer aux patient-es

Le financement par le SPHN a pour but d’harmoniser les pratiques suisses de médecine personnalisée et l’effort de standardisation des images de scanner-CT traitées par ce projet de recherche permet de vérifier la robustesse des modèles d’intelligence artificielle qui sont déjà utilisés dans nos hôpitaux. A l’aide de l’informatique médicale développée au Swiss Digital Center de Sierre, la possibilité de diminuer la dose de radiation tout en conservant une lisibilité de l’image du scanner est étudiée. La suite des recherches devrait vérifier si la lecture algorithmique pourrait rendre plus robuste celle des radiologues afin de les aider à prendre les décisions médicales nécessaires et, surtout, de leur dégager un temps précieux pour la relation patient-es.

Publication scientifique : Jimenez-del-Toro, Oscar MD, PhD∗; Aberle, Christoph PhD†; Bach, Michael MD†; Schaer, Roger BSc∗; Obmann, Markus M. MD†; Flouris, Kyriakos PhD‡; Konukoglu, Ender PhD‡; Stieltjes, Bram MD, PhD†; Müller, Henning PhD∗,§; Depeursinge, Adrien PhD∗,∥. The Discriminative Power and Stability of Radiomics Features with Computed Tomography Variations: Task-Based Analysis in an Anthropomorphic 3D-Printed CT Phantom. Investigative Radiology 56(12):p 820-825, December 2021. | DOI: 10.1097/RLI.0000000000000795, https://journals.lww.com/investigativeradiology/toc/2021/12000

Jeu de données : Task-Based Anthropomorphic CT Phantom for Radiomics Stability and Discriminatory Power Analyses (CT-Phantom4Radiomics), Images & Segmentations (DICOM, 42.5 GB), https://wiki.cancerimagingarchive.net/pages/viewpage.action?pageId=140312704