La médecine personnalisée vise à adapter les traitements aux patients individuels. Jusqu'à présent, cela a été fait en utilisant un petit nombre de paramètres pour prédire le cours d'une maladie. Cependant, ces quelques paramètres ne sont souvent pas suffisants pour comprendre la complexité des maladies telles que le cancer. Une équipe de chercheurs de la Faculté de médecine de l'Université de Duisburg-Essen (UDE), du LMU Munich et du Berlin Institute for the Foundations of Learning and Data (Bifold) à Tu Berlin a développé une nouvelle approche de ce problème en utilisant artificiel intelligence (AI).
Sur la base de l'infrastructure de l'hôpital intelligent de l'hôpital universitaire Essen, les chercheurs ont intégré des données de différentes modalités – antécédents médicaux, valeurs de laboratoire, imagerie et analyses génétiques – pour soutenir la prise de décision clinique.
Bien que de grandes quantités de données cliniques soient disponibles en médecine moderne, la promesse d'une médecine vraiment personnalisée reste souvent insatisfaite. «
Le professeur Jens Kleesiek de l'Institute for Artificial Intelligence in Medicine (IKIM) à l'Université Hospital Essen et au Cancer Research Center Cologne Essen (CCCE)
Interaction de 350 paramètres examinés
La pratique clinique oncologique utilise actuellement des systèmes d'évaluation plutôt rigides, tels que la classification des stades de cancer, qui tiennent peu de compte des différences individuelles telles que le sexe, l'état nutritionnel ou les comorbidités. « Les technologies de l'IA moderne, en particulier l'intelligence artificielle explicable (XAI), peuvent être utilisées pour déchiffrer ces interrelations complexes et personnaliser la médecine du cancer dans une bien plus grande mesure », explique le professeur Frederick Klauschen, directeur de l'Institut de pathologie de LMU et de recherche Frederic Leader à Bifold, où cette approche a été développée avec le professeur Klaus-Robert Müller.
Pour l'étude récente publiée dans Cancer de la naturel'IA a été formé avec des données de plus de 15 000 patients avec un total de 38 tumeurs solides différentes. L'interaction de 350 paramètres a été examinée, notamment les données cliniques, les valeurs de laboratoire, les données des procédures d'imagerie et les profils tumoraux génétiques. « Nous avons identifié des facteurs clés qui expliquent la majorité des processus décisionnels dans le réseau neuronal, ainsi qu'un grand nombre d'interactions pronostiquement pertinentes entre les paramètres », explique le Dr Julius Keyl, scientifique clinicien de l'Institut d'intelligence artificielle en médecine (Ikim).
Décisions transparentes
Le modèle d'IA a ensuite été testé avec succès sur les données de plus de 3 000 patients atteints de cancer du poumon pour valider les interactions identifiées. L'IA combine les données et calcule un pronostic global pour chaque patient individuel. En tant qu'IA explicable, le modèle rend ses décisions transparentes aux cliniciens en montrant comment chaque paramètre a contribué au pronostic. « Nos résultats montrent le potentiel de l'intelligence artificielle pour examiner les données cliniques non isolément mais dans son contexte, pour les réévaluer, et donc pour permettre une thérapie cancéreuse personnalisée et axée sur les données », explique le Dr Philipp Keyl de LMU. Une méthode d'IA comme celle-ci pourrait également être utilisée dans les cas d'urgence où il est essentiel de pouvoir évaluer les paramètres de diagnostic dans leur intégralité le plus rapidement possible.
Les chercheurs visent également à découvrir des interrelations complexes de cancer transversal, qui sont restées non détectées jusqu'à présent en utilisant des méthodes statistiques conventionnelles. « Au National Center for Tumor Diseases (NCT), avec d'autres réseaux oncologiques tels que le Bavarian Center for Cancer Research (BZKF), nous avons les conditions idéales pour passer à l'étape suivante: prouver le véritable avantage du patient de notre technologie en clinique Trials, « Ajoute le professeur Martin Schuler, directeur général du site NCT West et chef du Département d'oncologie médicale de l'hôpital universitaire Essen.
