Grâce à l’intelligence artificielle, détecter un mélanome à un stade très précoce est désormais possible. Un nouvel algorithme de deep learning développé par des scientifiques de Harvard et du MIT affiche des résultats avoisinant les 90 % de réussite, rapportait le Wyss Institute le 16 février.
Pour parvenir à ces résultats, ils ont appliqué une méthode couramment utilisée par les dermatologues, connue sous le nom de « vilain petit canard ». C’est un concept selon lequel la plupart des grains de beauté d’un individu se ressemblent. Ceux qui ne le sont pas, lesdits vilains petits canards, sont reconnus comme un signe d’alerte du mélanome. Les chercheurs affirment que leur système est le premier du genre à reproduire ce processus, et il suffit d’une simple photo prise par un smartphone pour avoir la réponse après analyse de l’IA.
L’équipe a intégré la méthode en créant des cartes 3D de toutes les lésions d’une image donnée – réparties sur le dos d’un patient, par exemple – et a effectué des calculs sur l’étrangeté des caractéristiques de chaque lésion. Mise à l’épreuve chez 68 patients différents, les lésions individuelles ont reçu un score basé sur la gravité de leurs caractéristiques, les évaluations étant comparées à celles effectuées par trois dermatologues qualifiés. L’algorithme était d’accord avec le diagnostic des dermatologues 88 % du temps.
« Ce niveau élevé de consensus entre l’intelligence artificielle et les cliniciens humains est une avancée importante dans ce domaine, car l’accord entre les dermatologues est généralement très élevé, environ 90 % », déclare le co-auteur de l’étude Jim Collins. « Nous avons pu atteindre une précision du niveau d’un dermatologue humain dans le diagnostic des lésions potentielles du cancer de la peau à partir d’images pouvant être prises par n’importe qui avec un smartphone, ce qui ouvre un énorme potentiel pour détecter et traiter le mélanome plus tôt. »
Depuis, les scientifiques ont rendu l’algorithme open source. Ils comptent aussi continuer de développer leur technologie dans l’espoir de mener des essais cliniques plus tard. Ils espèrent notamment permettre à l’algorithme de fonctionner sur toute l’étendue des tons de peau humaine, pour s’assurer qu’il s’agit d’un outil clinique universellement applicable.
Source : Wyss Institute
