31 Cas De Diagnostic Manqué Ont Été Identifiés Parmi 20 000 Cas. L'Académie Alibaba Damo a Pris L'initiative De Lancer Un « Scanner Simple + Grand Modèle » Pour Dépister Le Cancer Du Pancréas
Bien que la médecine se développe à un rythme rapide, les gens ne peuvent s’empêcher d’avoir peur lorsqu’ils entendent le mot « cancer ». Parmi eux, le cancer du pancréas est particulièrement difficile à traiter en raison de son apparition cachée et de sa courte durée de survie. Wu Zunyou, épidémiologiste en chef au Centre chinois de contrôle et de prévention des maladies, et le fondateur d'Apple, Steve Jobs, n'ont pas pu échapper aux « griffes » du cancer du pancréas. Parmi eux, l'adénocarcinome canalaire pancréatique (PDAC), qui représente 95% des cas de cancer du pancréas, est l'un des types de cancer les plus mortels parmi toutes les tumeurs solides et est connu comme le « roi du cancer ». Selon les données de 2020, le PDAC cause environ 466 000 décès chaque année.
L’Organisation mondiale de la santé a suggéré qu’un tiers des cancers peuvent être guéris grâce à une détection précoce. Cependant, il existe peu de signes évidents de cancer du pancréas aux premiers stades, et le pancréas est caché profondément dans le corps. Les examens d’imagerie de base tels que l’échographie abdominale et la tomodensitométrie simple rendent difficile l’identification des lésions précoces en raison du faible contraste de l’image. La tomodensitométrie améliorée et d’autres diagnostics d’imagerie ne conviennent pas au dépistage précoce à grande échelle du cancer du pancréas car ils nécessitent l’injection d’agents de contraste, ont des cycles d’examen longs et sont coûteux.
Concernant le dépistage et le traitement précoces du cancer du pancréas,L'Alibaba DAMO Academy a développé la détection du cancer du pancréas avec intelligence artificielle (PANDA) basée sur l'apprentissage profond en collaboration avec des institutions médicales nationales et étrangères telles que l'Institut des maladies du pancréas de Shanghai, le premier hôpital affilié de la faculté de médecine de l'université du Zhejiang et l'hôpital Shengjing de l'université de médecine de Chine., grâce à un « scanner simple CT + IA » pour réaliser un dépistage précoce à grande échelle du cancer du pancréas. Les résultats de la recherche ont été publiés dans Nature Medicine.
Adresse papier
https://www.nature.com/articles/s41591-023-02640-w
Ensemble de données : Contient 5 cohortes de patients
L'ensemble de données de cette étude contient 5 cohortes de patients :
* Files d’attente de données de formation internes pour la création de modèles d’IA ;
*File d’attente de tests interne pour évaluer les performances du modèle ;
*Cohorte de tests multicentriques externes pour évaluer la généralisabilité du modèle ;
* Cohorte de tests CT thoraciques sans contraste, utilisée pour évaluer la généralisation aux scanners CT thoraciques ;
*Cohorte d’évaluation clinique réelle, utilisée pour évaluer les problèmes de traduction clinique.
Parmi eux, dans la cohorte de formation interne, PANDA a été formé sur un ensemble de tomodensitométries abdominales simples provenant de 3 208 patients admis à l'Institut des maladies pancréatiques de Shanghai (SIPD) entre janvier 2015 et octobre 2020, avec deux ans de confirmation de suivi par les chercheurs.
Architecture du modèle : Transformateur pour identifier les types de lésions
PANDA (Pancreatic Cancer Detection with Artificial Intelligence) se compose de trois étapes de réseau en cascade, avec une complexité de modèle et une difficulté de tâche progressivement croissantes. Tout d'abord, un réseau de segmentation (nnU-Net) est construit pour localiser le pancréas, puis un réseau neuronal convolutif (CNN) est utilisé pour détecter les lésions anormales, et enfin un transformateur à double canal est utilisé pour classer et identifier le type de lésions pancréatiques.
Dans la première étape (figure a), étant donné que les lésions pancréatiques n'apparaissent que comme une petite zone sur les scanners, la localisation du pancréas peut accélérer le processus de détection des lésions et éliminer les informations qui ne sont pas liées à la formation professionnelle dans le domaine pancréatique. À cet égard,Les chercheurs ont utilisé nnU-Net, un cadre de segmentation d'images médicales, pour segmenter l'ensemble du pancréas à partir d'un scanner CT sans contraste.
La deuxième étape (figure b) sert principalement à la détection des lésions.Les chercheurs ont extrait des caractéristiques à plusieurs niveaux du réseau de segmentation et ont construit un réseau neuronal convolutif et une tête de classification pour distinguer les changements de texture subtils dans les lésions pancréatiques en tomodensitométrie simple.Dans le même temps, les chercheurs ont ajusté le modèle de deuxième étape de sorte que sa spécificité pour la détection des lésions atteigne 99% lors de la validation croisée de l'ensemble d'entraînement, réduisant ainsi les fausses prédictions positives.
La troisième étape (Figure c) concerne principalement le diagnostic différentiel des lésions pancréatiques.Si une anomalie est détectée au cours de la deuxième étape, un transformateur de mémoire auxiliaire est intégré pour coder automatiquement les prototypes caractéristiques des lésions pancréatiques, tels que la texture locale, l'emplacement et la forme du pancréas, pour une classification plus précise et plus fine.
Vérification expérimentale : le modèle est légèrement plus performant que les lecteurs de films professionnels
Tests internes
Lors de l'évaluation interne des tests, l'équipe de recherche a sélectionné 291 patients de l'Institut des maladies pancréatiques de Shanghai pour la détection des lésions. Il y avait 108 patients atteints d'adénocarcinome canalaire pancréatique, 67 patients atteints d'adénocarcinome canalaire non pancréatique et 116 témoins normaux.
L'aire sous la courbe caractéristique de fonctionnement du récepteur (courbe ROC) de PANDA (AUC) était de 0,996 (intervalle de confiance 95% 0,991-1,00), la sensibilité était de 94,9% et la spécificité était de 100%. Pour les sous-types courants d’adénocarcinome canalaire pancréatique, PANDA avait une sensibilité de 97,2% et une spécificité de 97,3%. Pour les PDAC plus petits (diamètre < 2 cm), la sensibilité de détection a atteint 85,7%.
Tests externes
Dans le cadre de l’évaluation multicentrique externe, les chercheurs ont sélectionné 5 337 patients provenant de 9 centres en Chine continentale, à Taïwan et en République tchèque. Parmi eux, il y avait 2 737 patients atteints d'adénocarcinome canalaire pancréatique, 932 patients atteints d'adénocarcinome canalaire non pancréatique et 1 668 témoins normaux.
Les résultats ont montré que pour les lésions pancréatiques, la valeur AUC de PANDA était de 0,984, la sensibilité était de 93,3% et la spécificité était de 98,8% ; pour le sous-groupe PDAC, le taux de détection global était de 96,5%. Pour les PDAC avec des lésions plus petites (diamètre < 2 cm, T1), la sensibilité était de 92,2%. Dans l’ensemble, la sensibilité du diagnostic PDAC a atteint 90,1% et la spécificité a atteint 95,7%.
Scanner thoracique
De plus, les chercheurs ont également vérifié la faisabilité de l’utilisation de PANDA pour détecter les lésions pancréatiques sur la tomodensitométrie thoracique. Les chercheurs ont recueilli des images de tomodensitométrie thoracique sans contraste de 492 patients de l'Institut des maladies pancréatiques de Shanghai, dont 63 patients atteints d'adénocarcinome canalaire pancréatique, 51 patients atteints d'adénocarcinome canalaire non pancréatique et 378 témoins normaux en tant que cohorte de test indépendante des données de formation.
Sans ajustement pour les scanners thoraciques, PANDA avait une sensibilité de 86,0% et une spécificité de 98,9% pour la détection des lésions. Il convient de mentionner que selon le protocole détaillé du scanner thoracique, certaines lésions pancréatiques ne peuvent pas être complètement scannées. Les chercheurs ont analysé l'exhaustivité de l'analyse des lésions sur la TDM thoracique en se référant à la localisation des lésions sur les tomodensitométries abdominales avec contraste et ont constaté que 671 TP3T des patients atteints d'adénocarcinome canalaire pancréatique et 431 TP3T des patients atteints d'adénocarcinome canalaire non pancréatique étaient incomplètement analysés. Parmi les patients dont les lésions pancréatiques n'ont pas été capturées par le champ de vision du scanner, 751 cas TP3T d'adénocarcinome canalaire pancréatique ont été détectés avec succès par PANDA.
Test d'application clinique
En outre, l’équipe de recherche a mené deux séries d’évaluations d’applications cliniques pour vérifier davantage la facilité d’utilisation de PANDA dans des scénarios réels.
Au total, 16 420 patients ont été sélectionnés lors du premier tour pour évaluer les effets de PANDA en termes de performances cliniques réelles, de changements dans les scénarios de diagnostic infirmier et de bénéfices pour les patients.
Les résultats ont montré que dans la détection des lésions, la sensibilité globale de PANDA était de 84,6% et la spécificité était de 99,5% ; dans l'identification de l'adénocarcinome canalaire pancréatique, la sensibilité globale du PANDA était de 95,5% et la spécificité était de 99,9%. De plus, dans les quatre scénarios d'examen physique, d'urgence, de consultation externe et d'hospitalisation, PANDA a la sensibilité la plus élevée pour la détection des lésions chez les patients hospitalisés, qui est de 88,6%, et PANDA a la spécificité la plus élevée pour la détection des lésions chez les patients soumis à un examen physique, qui est de 99,8%.
Avant la deuxième série de tests et d’évaluations, les chercheurs ont optimisé le modèle pour réduire les faux positifs et élargir les types de maladies qui n’avaient pas été observés auparavant. Grâce à l’exploration d’exemples concrets et à l’apprentissage progressif, les chercheurs ont mis à niveau PANDA vers PANDA-plus et ont mené une deuxième série de recherches d’application clinique.
Au total, 4 110 patients ont été inclus dans cette série d’évaluation.PANDA-plus a réduit le taux de faux positifs de plus de 80,1 TP3T par rapport à PANDA, et la spécificité de détection des lésions pancréatiques et de l'adénocarcinome canalaire pancréatique a atteint 99,91 TP3T. Dans le même temps, la sensibilité de détection de PANDA-plus pour la pancréatite aiguë a atteint 90,0%.
Plus important encore,Dans une étude clinique en conditions réelles portant sur 20 530 patients, PANDA a détecté cinq cancers et 26 cas cliniquement manqués, et a fourni un traitement curatif à un patient atteint d'une tumeur neuroendocrine pancréatique.
De plus, l’équipe de recherche a également collaboré avec des experts en imagerie pancréatique, des radiologues généralistes et des résidents en radiologie pour effectuer des comparaisons réelles de lecture de films. Quinze experts en imagerie pancréatique ont interprété des tomodensitométries multiphasiques améliorées des mêmes 291 patients, et PANDA a obtenu des résultats légèrement meilleurs sur les tomodensitométries non améliorées que la performance moyenne des lecteurs experts utilisant des tomodensitométries améliorées.
Le paysage médical de l'IA de la DAMO Academy
Dans une interview accordée aux médias, Lü Le, responsable de l'équipe d'IA médicale de la DAMO Academy et membre de l'IEEE, a déclaré : « Notre plus grande innovation est que nous avons prouvé pour la première fois la faisabilité de l'utilisation de l'IA pour le dépistage du cancer du pancréas sur des scanners simples, et que nous avons atteint des performances élevées que l'on pensait auparavant inaccessibles. »
De plus, le Dr Cao Kai, co-premier auteur de l'article et de l'Institut des maladies pancréatiques de Shanghai, estime que « PANDA élargira la compréhension de l'industrie en matière de dépistage du cancer du pancréas et favorisera le développement de traitements cliniques ». Le Dr Tang Wei, autre co-premier auteur du département de diagnostic radiologique de l'hôpital universitaire du cancer de Fudan, a déclaré : « PANDA propose une méthode potentielle de dépistage du cancer du pancréas à grande échelle qui améliore le taux de détection sans entraîner de radiations supplémentaires ni de fardeau financier pour les patients. »
Selon les données fournies par le site officiel de la DAMO Academy, PANDA a été appelé plus de 500 000 fois dans les hôpitaux, les examens physiques et d'autres scénarios, avec seulement un faux positif toutes les 1 000 fois.
Il ne fait aucun doute qu’il s’agit d’un coup dur porté au cancer du pancréas par la combinaison de l’IA et des données médicales, rendant possible un dépistage et un traitement précoces. C’est exactement l’intention initiale de l’IA médicale. Les lecteurs qui connaissent DAMO Academy doivent savoir que son équipe d’IA médicale est depuis longtemps engagée dans la recherche sur l’intégration de l’IA et de l’imagerie médicale. Il est rapporté que l'équipe d'IA médicale de la DAMO Academy se concentre sur trois directions principales : le diagnostic et le traitement précis du cancer, le diagnostic et le traitement précis des maladies chroniques et le pré-dépistage des maladies neurodégénératives.
En plus de PANDA,En août de cette année, l'Académie DAMO, en collaboration avec le Centre de cancérologie de l'Université Sun Yat-sen, l'Hôpital du cancer du Sichuan, le premier hôpital affilié de l'Université du Zhejiang, l'Hôpital Shengjing, l'Hôpital populaire provincial du Guangdong et d'autres institutions, a proposé un modèle d'analyse d'imagerie multi-cancéreuse unifié (cancerUniT).Basé sur la segmentation sémantique de Mask Transformer, il résout le problème selon lequel il était auparavant difficile de détecter, segmenter et diagnostiquer uniformément plusieurs images tumorales. Il s'applique à 8 cancers courants à forte incidence et à létalité élevée (poumon, colorectal, foie, estomac, sein, œsophage, pancréas et rein) ainsi qu'aux sous-types de tumeurs dans les organes apparentés.
Auparavant, parmi les 100 brevets d'IA que DAMO Academy a mis à disposition gratuitement, trois sont spécifiquement destinés au traitement de précision du cancer, appliqués à la « radiothérapie guidée par l'image », à la « quantification longitudinale des lésions » et à la « segmentation basée sur l'atlas et au diagnostic assisté par ordinateur par fusion multimodale ».
aussi,En octobre 2022, la DAMO Academy a également proposé conjointement le modèle de segmentation hiérarchique des organes à risque (SOARS) avec le premier hôpital affilié de la faculté de médecine de l'université du Zhejiang.Ce système d'algorithme automatisé et efficace, SOARS, construit un cadre d'apprentissage profond hiérarchique bidimensionnel pour obtenir une segmentation précise de 42 OAR de la tête et du cou.
Il est rapporté que l'équipe d'IA médicale de la DAMO Academy travaille avec un certain nombre d'institutions médicales de premier plan à travers le monde pour utiliser la technologie de l'IA afin d'explorer de nouvelles méthodes peu coûteuses et efficaces pour le dépistage multi-cancers. On s’attend également à ce qu’il soit en mesure d’introduire davantage de « technologie noire » de l’IA dans le domaine médical.
Références :1.https://mp.weixin.qq.com/s/WhWnkkAFJjAkqGlMTDEx9w2.https://mp.weixin.qq.com/s/wkNutLLWNHkZByY0QV90pg3.https://mp.weixin.qq.com/s/_qhIW3OB3qnjs83izKvWBg