Les chercheurs de DZNE et du Département de neurologie vasculaire de l'hôpital universitaire Bonn (UKB) visent à développer un modèle informatique basé sur l'intelligence artificielle (IA) pour aider les médecins à traiter les patients atteints d'AVC. Servant de système d'assistance numérique, il est destiné à prédire le résultat à long terme des patients après un traitement mini-invasif (thrombectomie mécanique) et des complications potentielles, aidant ainsi les médecins à décider de la meilleure thérapie possible. Une étude de preuve de concept sera désormais entreprise pour déterminer si cela est possible en utilisant des données du «registre allemand des AVC» et des images cérébrales supplémentaires. Le projet s'appuie sur une technologie d'IA appelée « apprentissage des essaims », innovant dans l'analyse sécurisée des données médicales distribuées, et vise à jeter les bases d'un réseau de cliniques en Allemagne et au-delà. Le centre de sécurité de l'information de Cispa Helmholtz est également impliqué dans cette entreprise, qui est financée par l'Association Helmholtz avec 250 000 euros.
Un accident vasculaire cérébral se manifeste par des symptômes neurologiques, tels que les déficits de la parole ou la paralysie. La cause la plus fréquente est les caillots sanguins: les bouchons dans les vaisseaux cérébraux qui entravent le flux sanguin et donc l'approvisionnement en oxygène. Cette situation est appelée un AVC «ischémique». « Dans un tel événement, des millions de cellules cérébrales meurent à chaque minute à moins que les contre-mesures ne soient prises rapidement. C'est très critique. Le temps est le cerveau, comme ils disent », explique le Dr Omid Shirvani, médecin et scientifique du DZNE.
Sommaire
IA pour la médecine personnalisée
Les mesures possibles sont par exemple la dissolution médicinale du caillot sanguin ou de la thrombectomie mécanique, une procédure mini-invasive qui vise à éliminer le blocage des vaisseaux au moyen d'un cathéter spécial. « Le type de traitement est décidé au cas par cas, selon des facteurs tels que par exemple la taille du navire occlus. Sur la base de toutes les informations disponibles dans un cas individuel, la thrombectomie a-t-elle de bonnes prospects de réussite, ou présente-t-elle un risque excessif de complications? Nous visons à développer une prise de décision basée sur l'IA, ou cela a un risque excessif. objectif. Il souligne: « Nous ne voulons pas d'une boîte noire, les prévisions de notre modèle informatique devraient être compréhensibles pour les médecins, afin qu'ils puissent prendre une décision éclairée au profit du patient individuel. C'est-à-dire que notre IA doit avoir ce que l'on appelle » l'explication « et montrer que les caractéristiques sont appliquées à son évaluation.
Combiner différents types de données
L'IA s'appuie sur les algorithmes formés sur de grandes quantités de données afin de reconnaître les modèles. Plus le bassin de données de formation est grand, meilleure, mieux l'IA apprendra. Les chercheurs ont donc l'intention de combiner les données du «registre allemand des AVC» avec des images cérébrales supplémentaires générées par l'imagerie par résonance magnétique (IRM) ou la tomographie par ordinateur (CT). Ce registre central contient des données sur le traitement des AVC ischémiques de plus de 20 hôpitaux de l'Allemagne. Il contient des milliers de cas. « Ces informations proviennent de l'examen initial et des soins de suivi après une thrombectomie jusqu'à trois mois après l'intervention. Ce sont principalement des entrées détaillées des dossiers médicaux. Les images IRM ou CT associées du cerveau ne sont pas incluses. Cependant, en général, ceux-ci sont conservés dans les hôpitaux respectifs. Recherche clinique à DZNE. « Ces images contiennent des informations qui ne peuvent pas être entièrement documentées dans un rapport médical mais qui est très précieuse pour former notre IA. C'est pourquoi nous voulons lier ces données locales aux informations du registre central. »
Algorithme de voyage
C'est là que « l'apprentissage des essaims » entre en jeu. La technologie d'IA innovante est la pièce maîtresse de l'effort actuel. « Traditionnellement, les données d'image seraient collectées au centre. Cependant, étant donné les énormes quantités de données impliquées, cela est complexe et difficile à évoluer si le réseau de partenaires doit croître. Et comme il s'agit de données personnelles, la partage nécessite une réglementation juridique qui prend beaucoup de temps pour se conformer. dans le projet. « Cela nous permet de nous conformer facilement aux réglementations de protection des données et signifie que nous n'avons pas à bouger et à dupliquer de grandes quantités de données. Au lieu de cela, nous envoyons l'algorithme aux données via Internet. Nous avons laissé l'IA voyager d'un endroit à l'autre, pour ainsi dire, pour apprendre. C'est l'idée principale derrière l'apprentissage du Swarm. »
Apprendre collectivement
Cette approche a été développée par DZNE en collaboration avec la société informatique Hewlett Packard Enterprise et est actuellement appliquée dans divers projets DZNE. Le terme «essaim» fait référence aux partenaires interagissant au sein du réseau. « Avec l'apprentissage de Swarm, toutes les personnes impliquées bénéficient du pool de données collectives sans avoir à partager leurs propres données. Ces données restent sur place et confidentielles conformément aux réglementations de protection des données. En effet « Le résultat est une IA formée qui a appris à tous les nœuds de réseau. Il a assimilé les connaissances collectives et peut même évoluer à mesure que de nouvelles données sont introduites. Dans notre cas spécifique, nous aurions alors un modèle informatique basé sur l'IA qui pourrait aider les médecins à traiter les traumatismes. Ils pourraient utiliser cet outil. Peu importe s'ils ont de grandes ou petites quantités de leurs propres données, ils bénéficieraient de l'équilibre en participant à la sonnette. »
Perspective internationale
À partir de trois cliniques, dont l'hôpital universitaire Bonn, les chercheurs ont l'intention d'élargir progressivement leur approche à d'autres membres du « Registre allemand des AVC ». À des fins de test, ils commenceront par des données multicentriques du « Registre allemand des AVC » disponibles en Bonn et l'utiliseront pour simuler un essaim dans le centre informatique de DZNE avant de transférer le système vers des emplacements géographiquement séparés. « Nous voulons jeter les bases d'un réseau national », explique Aschenbrenner. « De plus, nous sommes déjà en pourparlers avec des partenaires au Royaume-Uni pour poursuivre notre concept à l'international. Je pense qu'il y a beaucoup de place au développement. »
