Comment un nouvel algorithme d’IA peut aider à rationaliser la radiothérapie du cancer du poumon

Résoudre les obstacles de la radiothérapie

Selon le Dr Raymond H. Mak, responsable d’un centre de maladies pour la radio-oncologie thoracique, directeur de l’innovation clinique au département de radio-oncologie du Brigham and Women’s Hospital et du programme d’intelligence artificielle en médecine, et auteur principal de cette étude, le rayonnement La planification du traitement est un processus hautement manuel, chronophage et gourmand en ressources qui nécessite des médecins hautement qualifiés pour cibler les tumeurs cancéreuses dans les poumons et les ganglions lymphatiques adjacents sur des images tridimensionnelles telles que les tomodensitogrammes.

« Des études antérieures ont montré une variation interclinique substantielle dans ces tâches de ciblage de la radiothérapie et il y a une pénurie mondiale prévue de personnel médical qualifié pour effectuer ces tâches critiques à mesure que les taux de cancer augmentent », a-t-il expliqué à Nouvelles médicales aujourd’hui. « En raison de ces lacunes en matière de qualité et d’accès, nous avons besoin de méthodes qui améliorent notre efficacité et la qualité du ciblage des tumeurs. »

Pour résoudre ces problèmes, Mak et son équipe ont émis l’hypothèse qu’ils pourraient former et développer intelligence artificielle (IA) pour cibler automatiquement le cancer dans les poumons et les ganglions lymphatiques adjacents à partir des tomodensitogrammes utilisés pour la planification de la radiothérapie.

« Ces méthodes, une fois développées, peuvent être déployées en quelques secondes et dans différents contextes de pratique », a déclaré Mak.

Résultats de l’étude

Pour l’étude, l’équipe de recherche a utilisé des images CT de 787 personnes pour former leur modèle d’IA sur la façon de distinguer les tumeurs des autres tissus. Ils ont ensuite testé l’algorithme d’IA avec des scans de plus de 1 400 patients.

« En entraînant l’algorithme d’IA sur les segmentations des tumeurs du cancer du poumon qui ont été générées par un clinicien expert dans cette tâche, nous pouvons théoriquement reproduire les compétences et l’expérience de ce clinicien partout où nous déployons l’algorithme d’IA », a expliqué Mak.

Une fois la formation terminée, les chercheurs ont demandé à huit radio-oncologues d’effectuer tâches de segmentation où ils identifient les zones spécifiques à traiter. Les radio-oncologues ont également été invités à évaluer et à modifier les segmentations faites par un autre médecin ou l’algorithme d’IA, sans savoir qui avait fait chaque segmentation.

Après analyse, les chercheurs n’ont trouvé aucune différence significative de performances entre les segmentations effectuées entre une équipe d’algorithmes humains et d’IA, par rapport à celles effectuées uniquement par des professionnels de la santé humains.

L’équipe de recherche a également découvert que les cliniciens travaillaient 65 % plus rapidement avec 32 % de variation en moins lors de l’édition d’une segmentation créée par l’algorithme d’IA, par rapport aux segmentations produites manuellement par les médecins.

Avantages et inconvénients

Mak et son équipe pensent qu’il y aura un avantage direct pour les patients atteints de cancer grâce à des tests réfléchis et à la mise en œuvre d’une collaboration homme-IA dans la planification de la radiothérapie en fournissant aux patients une segmentation tumorale de meilleure qualité et en accélérant les délais de traitement.

« De plus, dans les enquêtes auprès des cliniciens après avoir interagi avec l’IA, nous avons démontré que les cliniciens ont également connu des avantages substantiels en termes de temps de tâche réduit, de satisfaction élevée et de perception réduite de la difficulté de la tâche, ce qui est un avantage supplémentaire intéressant auquel nous n’avions pas pensé. au début », a-t-il ajouté.

Mak a souligné certaines mises en garde concernant l’utilisation d’algorithmes d’IA pour automatiser les processus cliniques.

« Nous devons nous assurer que les cliniciens humains peuvent superviser et comprendre l’utilisation prévue et les limites de l’algorithme d’IA », a-t-il déclaré.

Selon Mak, les chercheurs ont identifié certains des principaux modes de défaillance des algorithmes d’IA qu’ils ont développés.

« Par exemple, les algorithmes avaient du mal à cibler les tumeurs présentes dans le tissu pulmonaire effondré ou à côté du liquide dans les poumons – épanchements pleuraux – et nous aurions besoin de fournir des avertissements aux utilisateurs finaux sur ces contextes cliniques où les algorithmes sont connus pour fonctionner mal afin que le clinicien n’accepte pas aveuglément la sortie de l’IA », a-t-il déclaré.

« En jouant cela au fil du temps, cela représente vraiment une transition d’un clinicien humain effectuant une tâche à un clinicien humain agissant en tant que superviseur et superviseur de l’IA pour assurer un déploiement de qualité », a poursuivi Mak. « Cette transition représentera un défi majeur dans la mise en œuvre de nouveaux flux de travail et de nouvelles formations de cliniciens en médecine. »

Un double contrôle pour les médecins

Nouvelles médicales aujourd’hui a également parlé avec le Dr Lisa Chaiken, radio-oncologue et professeure adjointe de radio-oncologie au Saint John’s Cancer Institute du Providence Saint John’s Health Center en Californie, de ses réflexions sur le nouvel algorithme d’IA.

« J’étais heureux de voir comment la technologie pouvait nous aider dans la profession médicale à être plus précis (pour) de meilleurs soins aux patients », a déclaré Chaiken, qui n’a pas participé à l’étude. « C’est toujours agréable d’être plus efficace avec son temps parce que… cela signifierait que j’aurais plus de temps à consacrer aux patients. Et plus de soins de soutien, que nous apprécions beaucoup… tout en ajoutant plus de précision et une meilleure prestation des soins.

Chaiken a expliqué que le processus suivi par un radio-oncologue pour mettre en place un traitement ciblé peut prendre du temps et demander beaucoup de travail. Elle a déclaré que tout ce qui leur permettrait de faire plus efficacement, avec précision et en moins de temps contribuerait à accélérer le processus et à libérer les médecins pour qu’ils passent plus de temps avec les patients.

« Et je pense que cela aiderait les patients à suivre un traitement plus rapidement, ce qui les ferait se sentir mieux ou moins anxieux à propos du traitement », a-t-elle ajouté.

Chaiken a déclaré que l’algorithme d’IA serait utile comme contre-vérification pour les médecins lors de la finalisation des zones de traitement ciblées.

« Je pense que la meilleure façon de l’utiliser serait la façon dont j’utilise souvent d’autres aides que nous avons », a-t-elle expliqué. «Il doit être utilisé comme une aide, pas complètement utilisé, et il doit être vérifié par le médecin. Je pense qu’il s’agit d’une aide pour modelage ce serait très utile.