- Des scientifiques ont mis au point un outil d’intelligence artificielle pour analyser plus rapidement et de façon plus précise les examens de sang et de moelle osseuse.
- Une fois les données traitées, il propose un diagnostic au médecin qui doit le confirmer ou l’infirmer.
Entre 9000 et 10 000 personnes sont touchées par des leucémies chaque année en France, selon la Fondation pour la Recherche Médicale. Quand un individu est en bonne santé, il a un nombre constant de cellules sanguines et de lymphocytes (un type de globule blanc) qui circulent dans le sang. Mais, dans certains cas, les globules blancs s’accumulent de façon anormale et incontrôlée, ce qui peut engendrer deux types de cancers en fonction de l’endroit. Si c’est localisé dans le sang ou la moelle osseuse, il s’agit d’une leucémie, c’est-à-dire un cancer du sang. Si c’est dans les ganglions ou le système lymphatique - un composant du système immunitaire - le cancer est appelé lymphome. Le diagnostic de ces cancers est généralement posé après analyse des résultats d’une prise de sang. Si le médecin a un doute, il peut également procéder à un examen de la moelle osseuse.
La cytométrie en flux pour récolter les données de chaque particules
D’après une étude publiée dans la revue Patterns, une nouvelle technique d’intelligence artificielle pourrait améliorer la qualité et la rapidité des analyses de ces deux prélèvements. Généralement, ces examens sont traités via une méthode appelée cytométrie en flux. Celle-ci permet de mesurer les caractéristiques individuelles de chaque particule - cellules, bactéries, parasites, etc. - dans le sang ou la moelle osseuse, indépendamment des autres particules. Ainsi, les laborantins récoltent des données comme la taille, la forme, l’activité biologique et la complexité de chaque particule. Des informations essentielles pour poser un diagnostic de cancer. Dans le détail, avec cette cytométrie en flux, les laboratoires se servent d’anticorps qui se mettent sur la surface des particules à analyser. Ces anticorps sont couplés à des colorants fluorescents, ce qu’on appelle marqueurs car, ainsi colorés, ils sont reconnaissables. Ceux-ci peuvent aussi être utilisés pour détecter de petites différences entre les cellules cancéreuses et saines. Avec la cytométrie en flux, les signaux émis par chaque cellule sont enregistrés et sont ensuite recueillis et retranscrites sous forme de graphiques ou de statistiques par exemple. C’est avec ces résultats que les médecins posent un diagnostic.
L’intelligence artificielle pour traiter plus rapidement et précisément les données
Plus la caractérisation des cellules cancéreuses est précisée, meilleur et plus rapide sera le diagnostic. Hors, en temps normal, il est très difficile d’analyser l’ensemble des caractéristiques des données issues de la cytométrie en flux car il y en a énormément. Les auteurs de cette étude ont donc mis au point un outil d’intelligence artificielle capable d’analyser automatiquement et de façon autonome toutes ces informations. Pour créer leur algorithme, l’équipe l’a "entraîné" avec plus de 30 000 données issues de patients atteints d'un lymphome. "L'intelligence artificielle tire pleinement parti des données et augmente la vitesse et l'objectivité des diagnostics", explique Nanditha Mallesh, principale autrice de cette étude. Une fois les données traitées, l’intelligence artificielle suggère au médecin un diagnostic. "Le but de l'utilisation de l'intelligence artificielle n'est pas de remplacer les médecins, mais de tirer le meilleur bénéfice des informations contenues dans les données”, explique Peter Krawitz, l’un des auteurs. Le praticien doit ensuite confirmer ou infirmer cette proposition de diagnostic. Un gain de temps et des données analysées plus finement.
L’avantage de cette intelligence artificielle est qu’elle peut être utilisée par tous les laboratoires, notamment les petits qui n’auraient pas pu développer eux-mêmes une telle technologie. Autre avantage : elle pourrait aussi être utilisée pour d’autres pathologies, comme les diagnostics de maladies liées rhumatismes dont les examens sont souvent traités avec la méthode de cytométrie en flux.
