Le Centre Baclesse lance son propre pôle d’intelligence artificielle (IA) afin de regrouper les différents travaux effectués par ses chercheurs. L’objectif ? Créer une structure qui fédère les différents professionnels du Centre travaillant sur l’IA. Les domaines d’activités sont multiples et concernent l’imagerie médicale, la radiothérapie, la curiethérapie, l’anatomo-pathologie et le parcours de soins du patient. L’intelligence artificielle se développe aujourd’hui dans de nombreux domaines d’application : mathématiques, statistiques, probabilités, informatique… Son but est de parvenir à faire imiter par une machine l’intelligence humaine au travers de la création et l’application d’algorithmes. Cette démarche est comparable à la création d’un gigantesque « arbre » d’instructions, appliqué au domaine de la recherche médicale.
Un outil au cœur de la recherche médicale
Dans le domaine de la santé, son potentiel intéresse les chercheurs comme les professionnels de santé. L’intelligence artificielle apporte de nombreux avantages aux patients en améliorant la précision du diagnostic, en personnalisant les traitements, en améliorant la gestion des soins et en permettant un suivi plus efficace de la santé. Pour cela, les algorithmes doivent avoir accès à des ensembles de données importants et variés pour s’entraîner, améliorer leur précision et éliminer les biais.
C’est cette possibilité qui a intéressé le responsable de ce pôle IA, Aurélien Corroyer-Dulmont, chercheur-ingénieur en imagerie médicale, il fait également partie de l’unité de recherche ISTCT « Imagerie et Stratégies Thérapeutiques pour les Cancers et Tissus cérébraux » dirigée par le Dr Myriam Bernaudin et hébergé sur la plateforme Cyceron. Au travers de différents projets menés au Centre depuis 2019, il a pu explorer des applications possibles de l’IA.
Une amélioration des délais de rdv de TEP scanner
Deux objectifs sont poursuivis par ce pôle d’IA : évaluer des solutions d’IA pour ensuite les utiliser et développer des solutions internes répondant à des besoins spécifiques. Plusieurs outils ont d’ores et déjà été testés au Centre, en imagerie médicale notamment. C’est grâce à un projet de recherche mené sur un type d’imagerie spécifique, la TEP (Tomographie à Emissions de Positons), que l’acquisition des imageries a pu être considérablement accélérée. Les résultats positifs de cette étude ont permis d’utiliser le système en routine. Le service est ainsi passé de 18 à 25 patients par jour, ce qui représente une nette amélioration des délais de rendez-vous. L’évaluation de ce type d’outils a également permis de comprendre le fonctionnement des algorithmes utilisés et ainsi pouvoir en développer d’autres.
Une approche similaire a été faite dans le service de radiologie pour l’imagerie IRM, l’article validant cette approche sera publié en 2024 dans « Cancer et Radiothérapie » (Lemaire et al., 2024).
TEP (Tomographie à Emission de Positons) est une technique d’imagerie médicale avancée utilisée pour visualiser l’intérieur du corps humain. Elle est principalement utilisée pour détecter des anomalies ou des maladies dans les tissus et les organes. Elle offre des informations détaillées sur le fonctionnement interne du corps, ce qui aide les médecins à planifier des traitements appropriés. Cet examen est pratiqué dans le service de médecine nucléaire du Centre François Baclesse.
Tumeurs cérébrales : vers une prédiction de l’efficacité des traitements par l’IA
Un nouveau projet démarre en novembre 2023, avec la thèse de sciences de Noémie Moreau (encadrée par Aurélien Corroyer-Dulmont), doctorante au Centre François Baclesse financée à hauteur de 50% par la région Normandie. Ce projet, réalisé en collaboration avec des radiothérapeutes et radiologues du Centre François Baclesse, étudie la possibilité de prédiction par l’IA de l’efficacité d’un traitement. En l’occurrence, ici, l’équipe s’intéressera au traitement des tumeurs cérébrales (glioblastomes, méningiomes et métastases cérébrales) par radiothérapie. L’objectif est que, grâce aux données stockées en imagerie médicale, l’IA soit capable de prédire la réponse au traitement avant même que celui-ci n’ait débuté, ce qui mène à une réelle personnalisation des soins. Cela permettra notamment d’éviter des traitements et ainsi des effets secondaires inutiles, dans le cas où l’on sait que le patient n’y répondra pas. Les équipes du Centre travaillant sur des projets de recherche autour de l’IA, collaborent étroitement avec le GREYC (Groupe de Recherche en Informatique, Image et Instrumentation de Caen). Le Laboratoire GREYC réalise des activités de recherche dans le domaine des sciences du numérique. Il compte 180 membres et est composé de 7 équipes de recherche avec des enseignants-chercheurs de l’ENSICAEN et l’UNICAEN, des chercheurs du CNRS, des doctorants et du personnel administratif et technique.
Le premier apprentissage fédéré en France
C’est en répondant à l’appel à projet de la Région Normandie : « Booster IA 2022« , qu’Aurélien Corroyer Dulmont et Romain Modzelewski (Responsable informatique biomédical au CLCC Henri-Becquerel de Rouen), ont pu développer un projet commun autour de l’IA et faire l’achat d’une station de calcul pour le développement d’algorithmes d’intelligence artificielle.
La principale limite des algorithmes d’IA est son utilisation en dehors du centre hospitalier où l’apprentissage a eu lieu. En effet, quelle que soit la problématique, un algorithme sera dépendant du type de données utilisées pour son apprentissage. Ainsi, l’utilisation de l’algorithme dans un centre hospitalier présentant des données différentes rendra le modèle beaucoup moins performant.
« Il pourrait y avoir une analogie lorsqu’on apprend par exemple à un très jeune enfant à reconnaitre des pommes parmi un ensemble de fruits mais avec une seule variété de pomme. Si, après cet apprentissage, nous lui présentons une pomme d’une variété différente (taille, forme ou couleur différentes), il sera au minimum troublé, voire perdu. Or, il est évidemment souhaitable qu’une solution développée dans un centre soit utilisable par d’autres. C’est une nécessité pour être utile concrètement« , explique Aurélien Corroyer-Dulmont.
C’est pour cette raison qu’Aurélien Corroyer Dulmont et Romain Modzelewski, ont développé un projet d’apprentissage fédéré d’algorithmes d’intelligence artificielle entre sites hospitaliers Normands. L’objectif est de démontrer que l’apprentissage fédéré permet d’obtenir de meilleurs résultats et plus rapidement, et d’acquérir les compétences et la méthodologie pour mettre en place ce type de projet fédéré à plus grande échelle.
Parcours et qualité des soins
L’IA peut également permettre d’améliorer la qualité des soins en faisant ressortir de nouveaux critères de qualité dans la prise en charge des patients.
L’objectif ? Utiliser le potentiel de l’IA pour optimiser le parcours de soin des patients en mettant en lumière des indices de qualité des soins actuellement non-visibles qui permettraient de mieux prendre en compte des variables importantes dans la prise en charge des patients. L’analyse de ces critères pourraient avoir un impact sur la survie sans récidive des patients.
Le Dr Lawrence Nadin, médecin DIM au Centre Baclesse, a débuté une thèse en septembre 2023 à partir de données rétrospectives sur les patientes atteintes d’un cancer du sein. Le médecin DIM est le garant de la collecte des données de santé et de la qualité de la codification, et veille à la confidentialité des données concernant les patients au sein de l’établissement.
En collaboration avec l’unité de recherche Inserm Anticipe et la plateforme MapInMed, le Dr Nadin analyse la relation entre l’environnement socio-économique et territorial des patientes atteintes d’un cancer du sein, et la qualité de leur parcours de soins. Pour cela, il s’appuie sur le repérage d’une moindre conformité aux IQSS (Indicateurs de la Qualité et de la Sécurité des Soins) tels qu’ils ont été définis par l’INCa (Institut National du Cancer), des délais de prise en charge allongés, ou encore une plus forte propension à présenter des parcours de soins atypiques. Ils portent notamment sur l’intervalle entre la mammographie d’alerte et le premier traitement, le recours à la radiothérapie après chirurgie conservatrice ou encore le délai entre chirurgie et premier traitement complémentaire.
La question est simple : Existe-t-il des critères identifiables en début de parcours permettant aux professionnels de santé en cancérologie d’être plus attentifs à certains profils de patientes risquant de dévier du parcours de soins standard ?
Les retombées de ce projet sont multiples. Pour les patientes, il est envisageable de pallier un contexte socio-économique et territorial défavorable avec des « facilitateurs » de parcours, comme l’éducation thérapeutique, les infirmières de parcours ou les assistantes sociales. L’adhésion et l’accès aux soins seront ainsi améliorés en cas de contexte défavorable. Pour les établissements, disposer de ces critères de prédiction permettra de faciliter la prise en charge des patientes et de garantir l’égalité des soins.
IA et anatomo-pathologie : un travail plus fin que l’œil du médecin ?
Dans le cadre du projet coopératif C³ « IAIN : Intelligence Artificielle, Imagerie Numérique », les Centres François Baclesse (Caen), Oscar Lambret (Lille) et Henri Becquerel (Rouen), ont fait l’acquisition de scanners de lames et ont opté pour une solution de gestion des images unique et partagée.
Tous les prélèvements confiés en pathologie sont préservés dans des petits blocs de paraffine. Une tranche fine de quelques microns d’épaisseur (rubans) est réalisée sur tous les blocs, déposée sur une lame de verre et colorée pour être examiné au microscope. La coloration standard en pathologie est la coloration HES (Hémalun-Eosine-Safran). Cette coloration associe l’hémalun qui colore les noyaux en violet, l’éosine les cytoplasmes en rose et le safran les fibres de collagène en jaune. Des colorations complémentaires peuvent également être utilisées dans certains types de tumeurs.
Ce projet permettra aux médecins anatomopathologistes de partager instantanément certaines lames avec leurs collègues d’autres hôpitaux pour discuter des dossiers difficiles, de développer des outils d’analyses d’images pour améliorer le diagnostic et des projets de recherche pour le décryptage des lésions tumorales. Cette coopération est également un moyen de réponde aux problématiques de démographie médicale défavorable, par la mutualisation de moyens techniques pour un meilleur échange des données. Une intelligence artificielle pourra ensuite appuyer le travail du pathologiste au travers d’un outil capable de fournir un travail plus fin que l’œil humain sur l’analyse quantitative concernant les colorations complémentaires.
L’installation de ces nouveaux scanners de lames est prévue pour 2024.
De nouvelles recherches en perspectives
La création de ce pôle d’IA va permettre de faciliter le développement de projets autour de l’IA dans les domaines d’activités pratiqués. Elle ouvre de nouvelles perspectives dans le domaine de la recherche médicale et place le Centre François Baclesse au cœur des avancées scientifiques.
IA et impression 3D
Le projet de recherche H3DMED, porté par le Centre François Baclesse, a bénéficié d’un financement FEDER de 246 000 € dans le cadre de l’appel à projet de la Région Normandie « Données et technologies associées, appliquées à la santé ». Initié en juin 2021 et réalisé en partenariat avec la société Evanov SAS (Caen), ce projet a permis de démontrer que les traitements de curiethérapie personnalisés des cancers de la peau et des cancers gynécologiques ont le potentiel d’être optimisés et utilisés dans un établissement de santé grâce à l’usage combiné de l’Intelligence Artificielle et de l’impression 3D.
