Oncologues et experts en IA combinent des images anciennes pour apporter de nouvelles perspectives sur les cancers de la tête et du cou Synthèse des Études Des chercheurs en oncologie et en intelligence artificielle (IA) ont uni leurs efforts pour analyser diverses données concernant des cancers de la tête et du cou, en particulier les tumeurs oropharyngées situées dans la gorge. Ces études promettent des évaluations plus précises des risques de cancer, revolutionnant ainsi la manière dont ces diagnostics sont posés et traités. Anant Madabhushi, président exécutif de l'Emory Empathetic AI for Health Institute et chercheur au Winship Cancer Institute, explique que ces différentes méthodes d'imagerie — à grande et petite échelle — fournissent des perspectives uniques sur la même tumeur. Nabil Saba, professeur d'hématologie et d'oncologie à l'École de médecine et collaborateur de trois des quatre études, souligne que l'application de l'IA dans le diagnostic du cancer "révolutionne tout ce que nous faisons". Les Projets Spécifiques Étude 1 : Transformation des Tissus Microscopiques en Images Virtuelles de Cytologie Immunohistochimique Dans la première étude publiée dans le European Journal of Cancer, une équipe a développé une plateforme IA appelée VISTA. Cette plateforme transforme les lamelles de tissus colorées de manière standard (staining hématoxyline-éosine, ou H&E) de patients atteints de cancer de la gorge en lamelles virtuelles de cytologie immunohistochimique (IHC). Ces images ont permis de détecter les macrophages associés aux tumeurs (TAMs), des cellules blanches liées aux tumeurs avec un rôle pronostique fort. Étude 2 : Fusion de Données de Scans Tomographiques et de Lymphodes La deuxième étude, publiée dans JAMA Network Open, a utilisé un programme d'apprentissage automatique appelé Swin Transformer pour combiner les données des scanners corpographiques (CT) pré-traitement des tumeurs primaires de la gorge. En intégrant les caractéristiques des tumeurs principales et des lymphomes cervicaux, les chercheurs ont pu prédire avec une grande précision la survie à long terme du cancer de la tête et du cou. Étude 3 : Intégration de Données à Deux et Trois Dimensions La troisième étude, également publiée dans eBioMedicine, a modifié le Swin Transformer en un modèle appelé Swin Transformer-based multimodal and multi-region data fusion framework (SMuRF). Ce modèle permet de naviguer entre des images deux dimensionnelles de lamelles de tissus H&E et des images radiologiques tridimensionnelles, combinant ainsi les caractéristiques des scans CT des tumeurs primaires et des lymphomes avec les images microscopiques des tumeurs primaires. L'analyse commune a révélé des motifs subtils de la tumeur, permettant non seulement de prédire la survie du patient, mais aussi d'identifier ceux qui bénéficieraient vraiment de la chimiothérapie. Étude 4 : Lien entre les Images de Lamelles et les Données Épigénétiques La quatrième étude, également publiée dans le European Journal of Cancer, a dépassé la simple combinaison d'images en établissant un lien entre les images de lamelles de tissus et les données épigénétiques concernant le cancer. Les chercheurs ont utilisé un nouveau modèle appelé pathogenomic fingerprinting pour relier l'architecture visuelle des cellules tumorales dans les images de lamelles aux schémas de contrôle génétique qui influencent le développement de la tumeur. Objectifs et Résultats Toutes ces études visaient à mieux classer les risques des patients en termes de progression tumorale. Comme le souligne Madabhushi, il s'agit de déterminer "quelles tumeurs sont plus agressives et vont progresser, et quelles tumeurs sont moins agressives et ne progresseront peut-être pas autant". Le but ultime est de développer des outils pratiques pour les cliniciens afin de prendre les meilleures décisions pour l'intervention et le traitement des patients. Les résultats obtenus dans ces quatre études ont montré que la combinaison de différentes sources de données produit des évaluations des risques de cancer qui matchent, voire surpassent, celles basées sur une seule source de données. Malgré des résultats prometteurs, Saba insiste sur la nécessité de procéder avec prudence avant de transposer ces avancées IA dans la pratique clinique. Évaluation et Projet de l'Entreprise L'approche combinée et multifonctionnelle de l'IA offre une compréhension plus globale de la complexité des tumeurs, ce qui pourrait grandement améliorer la précision des diagnostics et l'efficacité des traitements. Cependant, il est crucial d'assurer que ces outils soient correctement analysés et appliqués dans le cadre des soins aux patients, pour éviter tout oubli ou distorsion d'information importante. Emory Empathetic AI for Health Institute continue d'innover et de pousser les limites de l'IA en oncologie, travaillant en collaboration étroite avec d'autres institutions pour perfectionner ces technologies. Les chercheurs espèrent que ces avancées contribueront à des soins personnalisés et plus efficaces, améliorant ainsi les chances de survie et la qualité de vie des patients atteints de cancer de la tête et du cou. L'intégration progressive de ces outils IA dans la pratique clinique représente un défi majeur, mais aussi une opportunité unique de transformer le traitement du cancer, en offrant des insights inédits et multiscalaires sur la nature et le comportement des tumeurs. Les professionnels de l'industrie, comme le Dr Saba, considèrent ces études comme un jalon importante, bien que davantage de recherche et de validation soient nécessaires pour leur mise en œuvre effective.