La présence d’un cancer du système lymphatique est souvent déterminée en analysant des échantillons de sang ou de moelle osseuse. Une équipe dirigée par le professeur Peter Krawitz de l’Université de Bonn avait déjà montré en 2020 que l’intelligence artificielle peut aider au diagnostic de tels lymphomes et leucémies. La technologie utilise pleinement le potentiel de toutes les valeurs de mesure et augmente la vitesse ainsi que l’objectivité des analyses par rapport aux processus établis. La méthode a maintenant été développée afin que même les plus petits laboratoires puissent bénéficier de cette méthode d’apprentissage automatique librement accessible – une étape importante vers la pratique clinique. L’étude vient d’être publiée dans la revue « Patterns ».
Les ganglions lymphatiques deviennent enflés, il y a une perte de poids et de la fatigue, ainsi que des fièvres et des infections – ce sont des symptômes typiques des lymphomes malins à cellules B et des leucémies associées. Si un tel cancer du système lymphatique est suspecté, le médecin prélève un échantillon de sang ou de moelle osseuse et l’envoie à des laboratoires spécialisés. C’est là qu’intervient la cytométrie en flux. La cytométrie en flux est une méthode dans laquelle les cellules sanguines passent devant des capteurs de mesure à grande vitesse. Les propriétés des cellules peuvent être détectées en fonction de leur forme, leur structure ou leur coloration. La détection et la caractérisation précise des cellules pathologiques sont importantes lors du diagnostic.
Les laboratoires utilisent des « anticorps » qui s’arriment à la surface des cellules et sont couplés à des colorants fluorescents. De tels marqueurs peuvent également être utilisés pour détecter de petites différences entre les cellules cancéreuses et les cellules sanguines saines. La cytométrie en flux génère de grandes quantités de données. En moyenne, plus de 50 000 cellules sont mesurées par échantillon. Ces données sont ensuite généralement analysées à l’écran en traçant l’expression des marqueurs utilisés les uns par rapport aux autres.
Mais avec 20 marqueurs, le médecin devrait déjà comparer environ 150 images bidimensionnelles. C’est pourquoi il est généralement trop coûteux de passer au crible l’intégralité de l’ensemble de données. »
Prof. Dr. Peter Krawitz, Institut de statistique génomique et de bioinformatique, Hôpital universitaire de Bonn
Pour cette raison, Krawitz, en collaboration avec les bioinformaticiens Nanditha Mallesh et Max Zhao, a étudié comment l’intelligence artificielle peut être utilisée pour analyser les données de cytométrie. L’équipe a examiné plus de 30 000 ensembles de données de patients atteints d’un lymphome à cellules B pour former l’intelligence artificielle (IA). « L’IA tire pleinement parti des données et augmente la vitesse et l’objectivité des diagnostics », explique l’auteur principal Nanditha Mallesh. Le résultat des évaluations de l’IA est un diagnostic suggéré qui doit encore être vérifié par le médecin. Dans le processus, l’IA fournit des indications de cellules visibles.
Des spécialistes ont examiné les résultats de l’intelligence artificielle
Des échantillons de sang et des données cytométriques ont été obtenus auprès du Laboratoire de leucémie de Munich (MLL), de la Charité – Universitätsmedizin Berlin, de l’hôpital universitaire d’Erlangen et de l’hôpital universitaire de Bonn. Des spécialistes de ces institutions ont examiné les résultats de l’intelligence artificielle. « L’étalon-or est le diagnostic par les hématologues, qui peuvent également prendre en compte les résultats de tests supplémentaires », a déclaré Krawitz. « Le but de l’utilisation de l’IA n’est pas de remplacer les médecins, mais de tirer le meilleur parti des informations contenues dans les données. » La grande nouveauté de l’IA maintenant présentée réside dans la possibilité de transfert de connaissances : les laboratoires particulièrement plus petits qui ne peuvent pas se permettre leur propre expertise en bio-informatique et peuvent également avoir trop peu d’échantillons pour développer leur propre IA à partir de zéro peuvent en bénéficier. Après une courte phase de formation, au cours de laquelle l’IA apprend les spécificités du nouveau laboratoire, elle peut ensuite s’appuyer sur des connaissances issues de plusieurs milliers d’ensembles de données.
Toutes les données brutes et le logiciel complet sont open source et donc librement accessibles. De plus, res Mechanicala GmbH, qui a participé à l’étude, a développé un service Web qui rend l’intelligence artificielle utilisable même pour les utilisateurs sans expertise en bioinformatique. « Avec https://hema.to, nous voulons permettre l’échange de données de cytométrie en flux anonymisées entre les laboratoires et créer ainsi les conditions d’une qualité encore plus élevée des diagnostics », déclare le Dr Hannes Lüling de res Mechanicala.
Grand potentiel
L’équipe voit un énorme potentiel dans cette technologie. Les chercheurs souhaitent donc également collaborer avec les principaux fabricants d’équipements et de logiciels d’analyse pour faire progresser davantage l’utilisation de l’intelligence artificielle. Dans le cas des lymphomes à cellules B, par exemple, des données génétiques et cytomorphologiques sont également collectées pour confirmer les diagnostics. « Si nous parvenons à utiliser l’IA pour ces méthodes également, nous disposerons d’un outil encore plus puissant », déclare Krawitz, qui est également membre du cluster d’excellence ImmunoSensation2 de l’Université de Bonn. L’intelligence artificielle développée peut en principe également être utilisée pour des diagnostics de maladies rhumatismales, qui sont souvent également basés sur des données de cytométrie en flux.
La première auteure, Nanditha Mallesh, présentera les résultats de l’étude lors de la réunion annuelle de la Société allemande d’hématologie et d’oncologie médicale à Berlin début octobre.
