Sur La Base Des Données Cliniques De 627 Patients Aux États-Unis Et Au Japon, Google Confirme L'efficacité Du Dépistage Du Cancer Du Poumon Assisté Par L'ia Dans La Population
En février 2024, le Centre national du cancer a compilé le rapport « Incidence et mortalité du cancer en Chine en 2022 » sur la base des dernières données issues de l'enregistrement des tumeurs et du suivi. Le rapport montre que dans mon pays, le cancer du poumon reste la principale cause de morbidité et de mortalité due aux tumeurs malignes.Bien que la communauté médicale accorde une attention croissante au cancer du poumon, de nombreux problèmes cliniques persistent dans le diagnostic et le traitement du cancer du poumon, tels que le diagnostic tardif et le surtraitement.Au cours de la dernière décennie, l’IA a mené le développement technologique à un rythme sans précédent en raison de l’amélioration des algorithmes, de l’augmentation de la puissance de calcul, de l’expansion des données disponibles et de la croissance significative du champ d’application.
En tant que l'un des géants technologiques les plus avancés au monde dans le domaine de la recherche et du développement de l'IA, Google a réalisé de grandes avancées dans la recherche sur l'IA et les applications médicales. Récemment, Atilla Kiraly, ingénieur logiciel chez Google Research, et Rory Pilgrim, chef de produit chez Google Research, ont étudié comment les modèles d'apprentissage automatique peuvent communiquer efficacement leurs résultats aux radiologues.Évaluer l’impact des systèmes généralisés assistés par intelligence artificielle sur les flux de travail de dépistage du cancer du poumon (LCS) dans des contextes de flux de travail, des appareils et des directives spécifiques à chaque pays et des protocoles de notation/gestion.Le document de recherche a été publié dans la revue Radiology AI.
Points saillants de la recherche :
* Développé et optimisé le flux de travail de dépistage du cancer du poumon assisté par l'IA et testé aux États-Unis et au Japon
* Avec l'aide de l'intelligence artificielle, la spécificité peut être augmentée de 5%-7% sans diminution significative de la sensibilité
* Grâce à l'aide de l'intelligence artificielle, le temps de dépistage moyen pour chaque cas peut être réduit de 14 secondes et la confiance du médecin dans son diagnostic est considérablement améliorée.
Adresse du document :
https://doi.org/10.1148/ryai.230079
Suivez le compte officiel et répondez « Google cancer du poumon » pour obtenir le PDF complet
Portée de l'étude : Dépistage assisté par intelligence artificielle, une étude multinationale rétrospective aux États-Unis et au Japon
L'étude a utilisé cinq ensembles de données indépendants (DS_CA, DS_NLST, DS_US, DS_JPN) et a analysé un total de 627 cas de TDM thoracique à faible dose (dont 141 cas positifs au cancer) aux États-Unis et au Japon.Parmi eux, l'étude américaine a porté sur 330 patients, dont 191 hommes et 139 femmes, avec un âge médian de 63 ans. L’étude japonaise a porté sur 297 patients, dont 217 hommes et 80 femmes, avec un âge médian de 58 ans. Les cas positifs ont été définis comme un diagnostic pathologique de cancer du poumon dans les deux ans, et les cas négatifs ont été définis comme l’absence de tout diagnostic de cancer confirmé dans les deux ans au moins.
en même temps,L'étude a également inclus 6 radiologues thoraciques certifiés aux États-Unis et 6 radiologues certifiés au Japon, expérimentés dans la lecture des examens thoraciques par tomodensitométrie.Dans l’étude, les tomodensitogrammes de tous les cas ont été examinés une fois par 12 médecins avec et sans l’aide de l’IA, ce qui a donné lieu à un total de 7 254 interprétations. Pour les systèmes de notation spécifiques à chaque pays, les radiologues des États-Unis ont utilisé le score Lung-Rads (version 1.1) des directives de l'American College of Radiology, et ceux du Japon ont utilisé le système de notation Sendai.
Sur les 141 cas positifs au cancer, 124 provenaient des États-Unis et 17 du Japon. Parmi eux, la situation des nodules des cas positifs aux États-Unis a montré qu'il y avait 69 nodules solides (56%), 15 nodules partiellement solides (12%), 20 nodules non solides (15%) et 29 nodules non classés (23%).
De même, parmi les cas positifs au Japon, 6 (35%) étaient des nodules solides, 6 (35%) étaient des nodules partiellement solides et 5 (29%) étaient des nodules non solides. Parmi les cas négatifs au cancer, le nombre de nodules de différentes tailles a également été sélectionné afin que la proportion de cas antérieurs corresponde à la proportion de cas de cancer.
Analyse de modèle : Grâce à l'amélioration des modèles existants, les capacités d'analyse statistique sont grandement améliorées
La première étape de la recherche a consisté à améliorer un modèle d’apprentissage automatique précédemment développé avec des données de formation et une architecture supplémentaires.
Le système auxiliaire de dépistage du cancer du poumon se compose de 13 modèles qui se coordonnent entre eux. Dans un premier temps, les poumons sont segmentés afin d’obtenir une évaluation globale et de localiser trois zones suspectes. Ces informations sont ensuite utilisées pour attribuer une note de suspicion à chaque zone. Le système utilise Google Kubernetes Engine (GKE) déployé sur Google Cloud pour ingérer des images, exécuter des modèles d'apprentissage automatique et fournir des résultats.
En termes simples, la sortie du système fournit une évaluation de suspicion et une ROI (région d'intérêt) permettant aux médecins de prendre des décisions en fonction des directives de notation de leur région.
Dans la deuxième étape, les chercheurs ont utilisé trois ensembles de données, DS_CA, DS_US et DS_NLST, pour développer et former le modèle.
Ensemble d'entraînement :
* DS_CA est une donnée provenant d'un système hospitalier canadien, qui comprend des examens de tomodensitométrie diagnostique de 2010 à 2017 et est utilisée pour former le modèle de classification final.
* La TDM non de dépistage des patients DS_US a été utilisée pour une formation supplémentaire.
* DS_NLST était composé de 26 722 patients, et un sous-ensemble obtenu par division aléatoire au niveau du patient a été utilisé pour développer le système d'IA.
Ensemble de tests :
* Le premier ensemble de données de test est 15% réparti aléatoirement à partir du total des cas de DS_NLST.
* Le deuxième ensemble de données de test a examiné les cas de CT de DS_US, un ensemble de données provenant d'un système hospitalier de l'Illinois, aux États-Unis, séparant 1 1792 cas non identifiés de 5 055 patients.
* Le troisième ensemble de données DS_JPN provient de l'hôpital Sendai Kousei, au Japon, et comprend 301 patients ayant subi un dépistage par TDM basse dose entre 2006 et 2018.
Pour améliorer la capacité du système d'IA à détecter le cancer à un stade précoce, l'étude a inclus des cas positifs au cancer cancer_in_2 jusqu'à deux ans avant le diagnostic. Dans cancer_in_2, tous les cas négatifs ont été suivis pendant au moins deux ans pour s'assurer qu'aucun cancer n'était confirmé, et les cas positifs ont tous été diagnostiqués par imagerie dans les 2 ans.
L'objectif principal de cette étude était de calculer la sensibilité et la spécificité en intégrant les scores de niveau de suspicion (LoS) des médecins pour le cancer, en analysant tous les seuils numériques possibles, en dérivant les courbes caractéristiques de fonctionnement du récepteur pour le LoS et en calculant l'ASC. Les objectifs secondaires étaient d’explorer la sensibilité/spécificité de l’utilisation par les médecins des systèmes de notation locaux et des seuils de décision de gestion des cas, qui ont été calculés sur la base d’un seuil binaire d’urgence.
Par exemple, un « scanner de suivi à 6 mois » est considéré comme moins urgent qu’un « scanner de suivi à 3 mois », qui à son tour est moins urgent qu’une « suspicion de malignité ». De même, cette étude a également effectué la même analyse pour la réponse du système de notation et la réponse du système d’IA et a comparé les différences d’AUC à l’aide de l’analyse ORH.
Dans les résultats, la valeur p < 0,05 indiquait que la comparaison de la différence d'ASC était statistiquement significative, et la valeur p < 0,0125 ou < 0,01 indiquait une signification statistique après correction de Bonferroni, respectivement.
Résultats de l'étude : l'IA est efficace, mais elle peut encore manquer des lésions
Dans des études menées aux États-Unis et au Japon,Par rapport aux approches non assistées, l’assistance de l’IA a augmenté la sensibilité de tous les médecins dans les systèmes de notation et les options de gestion des cas.Parmi elles, des études sur des cas aux États-Unis et au Japon ont montré que la LoS et l’AUC s’amélioraient de 0,023, et que l’assistance de l’intelligence artificielle a permis d’obtenir une sensibilité et une spécificité plus élevées dans tous les scores Lung-RADS.
Les scores de sensibilité et de spécificité étaient plus élevés dans toutes les catégories de gestion de cas avec l’assistance de l’IA.La spécificité assistée par l’IA des cas américains et japonais a augmenté respectivement de 5,5% et 6,7%.Cependant, la spécificité de la recommandation de biopsie en cas de dépistage positif a diminué de 1,1%.
L'étude s'est également concentrée sur l'analyse de la population de patients dans l'essai national américain de dépistage du cancer du poumon, et les résultats ont montré que la spécificité était encore améliorée par 3.4%. Les résultats de l’étude de cas japonaise ont également montré qu’avec l’aide de l’intelligence artificielle,En moyenne, le temps de contrôle de chaque cas peut être réduit de 14 secondes.Et cela renforce considérablement la confiance du médecin dans son diagnostic.
En termes de positionnement auxiliaire, le système d'IA a marqué les nodules qui méritent le plus d'attention dans les cas de cancer 89% et 75% dans des études menées respectivement aux États-Unis et au Japon, mais dans d'autres cas, l'IA peut manquer certains nodules qui méritent le plus d'attention.
Par exemple, dans un cas, un médecin a marqué le cas comme suspect et le système d’IA l’a marqué comme négatif, et une comparaison plus poussée a identifié des nodules sous-solides plus petits qui n’avaient pas été diagnostiqués comme cancer avec au moins deux ans de suivi négatif ; après un examen plus approfondi par un radiologue, ils semblent être des adénocarcinomes mini-invasifs et sont actuellement observés plus en détail.
En conclusion,Le système a démontré son efficacité dans une étude rétrospective portant sur deux pays, des systèmes PACS et des populations de patients.Parce que l’interprétation assistée par l’IA des cas difficiles de dépistage du cancer du poumon réduit le suivi inutile et a le potentiel de réduire la surutilisation de l’imagerie de suivi, d’éviter les biopsies pulmonaires fréquentes et de réduire la charge sur le système de santé.
La recherche de Google sur le cancer du poumon se poursuit
En fait, Google a une longue histoire de recherche sur le cancer du poumon.
Dès le 7 mai 2019, Google annonçait lors de la Developer Conference 2019 que sa technologie d'intelligence artificielle pouvait détecter le cancer du poumon un an plus tôt que les médecins, augmentant ainsi les chances de survie du patient de 40%. Google s’efforcera également de transformer ces technologies en solutions médicales pratiques pour améliorer le traitement et le pronostic des patients atteints de cancer du poumon.
Un peu plus de dix jours après la fin de la conférence des développeurs 2019, le chercheur en IA de Google, Daniel Tse, a collaboré avec des chercheurs de Stanford, de l'Université de New York et d'autres institutions pour publier leur dernier modèle d'apprentissage en profondeur dans la revue Nature Medicine. Les tests ont montré que le programme d'IA avait un taux de précision de 94% dans l'évaluation des maladies humaines, ce qui était meilleur que les six radiologues qui ont participé au test, et ces médecins humains avaient environ 8 ans d'expérience clinique.
Depuis lors, l’exploration du cancer du poumon par Google ne s’est pas arrêtée. Sur la base du développement continu du modèle d’apprentissage automatique ci-dessus, Google a désormais finalement vérifié l’efficacité du modèle dans plusieurs pays, auprès de plusieurs experts et de plusieurs patients. Cela pourrait également signifier que l’application réelle de l’intelligence artificielle dans le domaine du cancer du poumon va s’accélérer et profitera véritablement à l’humanité dans un avenir proche.