L'intelligence artificielle utilisée pour identifier le cancer de la peau

Dans l’espoir de créer un meilleur accès aux soins médicaux, des chercheurs de Stanford ont formé un algorithme pour diagnostiquer le cancer de la peau.

C'est déjà assez effrayant de prendre rendez-vous chez le médecin pour voir si un grain de beauté étrange pourrait être cancéreux. Imaginez alors que vous vous trouviez dans cette situation tout en habitant loin du médecin le plus proche, sans pouvoir vous absenter du travail et sans être sûr d'avoir l'argent nécessaire pour couvrir le coût de la visite. Dans un scénario comme celui-ci, une option permettant de recevoir un diagnostic via votre smartphone pourrait sauver des vies.

Un dermatologue utilise un dermatoscope, un type de microscope portatif, pour examiner la peau. Des informaticiens de Stanford ont créé un algorithme de diagnostic artificiellement intelligent pour le cancer de la peau qui correspond aux performances des dermatologues certifiés. (Crédit image : Matt Young)

L'accès universel aux soins de santé était dans l'esprit des informaticiens de Stanford lorsqu'ils ont entrepris de créer un algorithme de diagnostic artificiellement intelligent pour le cancer de la peau. Ils ont créé une base de données de près de 130 000 images de maladies de la peau et formé leur algorithme pour diagnostiquer visuellement un cancer potentiel. Dès le premier test, il a fonctionné avec une précision inspirante.

"Nous avons réalisé que c'était faisable, non seulement pour faire quelque chose de bien, mais aussi pour un dermatologue humain", a déclaré Sebastian Thrun, professeur adjoint au laboratoire d'intelligence artificielle de Stanford. « C'est à ce moment-là que notre façon de penser a changé. C'est à ce moment-là que nous avons dit : « Écoutez, ce n'est pas seulement un projet de classe pour les étudiants, c'est une opportunité de faire quelque chose de grand pour l'humanité. »

Le produit final, qui a fait l'objet d'un article dans le numéro du 25 janvier de Nature, a été testé par 21 dermatologues certifiés. Dans ses diagnostics de lésions cutanées, qui représentent les cancers de la peau les plus courants et les plus mortels, l’algorithme a égalé les performances des dermatologues.

Chaque année, il y a environ 5,4 millions de nouveaux cas de cancer de la peau aux États-Unis, et bien que le taux de survie sur cinq ans pour le mélanome détecté dans ses premiers états soit d'environ 97 pour cent, il tombe à environ 14 pour cent s'il est détecté dans ses derniers stades. . Une détection précoce pourrait probablement avoir un impact énorme sur l’évolution du cancer de la peau.

Le diagnostic du cancer de la peau commence par un examen visuel. Un dermatologue examine généralement la lésion suspecte à l’œil nu et à l’aide d’un dermatoscope, qui est un microscope portatif permettant un faible grossissement de la peau. Si ces méthodes ne sont pas concluantes ou amènent le dermatologue à croire que la lésion est cancéreuse, une biopsie est l'étape suivante.

L’intégration de cet algorithme dans le processus d’examen suit une tendance informatique qui combine le traitement visuel avec l’apprentissage profond, un type d’intelligence artificielle calqué sur les réseaux neuronaux du cerveau. L’apprentissage profond a une histoire de plusieurs décennies en informatique, mais ce n’est que récemment qu’il a été appliqué aux tâches de traitement visuel, avec un grand succès. L’essence de l’apprentissage automatique, y compris l’apprentissage profond, est qu’un ordinateur est formé pour résoudre un problème plutôt que d’y programmer les réponses.

André Esteva (Crédit image : Matt Young)

"Nous avons créé un algorithme d'apprentissage automatique très puissant qui apprend à partir des données", a déclaré Andre Esteva, co-auteur principal de l'article et étudiant diplômé du laboratoire Thrun. "Au lieu d'écrire dans le code informatique exactement ce que vous recherchez, vous laissez l'algorithme le comprendre."

L’algorithme a reçu chaque image sous forme de pixels bruts avec une étiquette de maladie associée. Comparée à d’autres méthodes de formation d’algorithmes, celle-ci nécessite très peu de traitement ou de tri des images avant la classification, ce qui permet à l’algorithme de travailler sur une plus grande variété de données.

Plutôt que de créer un algorithme à partir de zéro, les chercheurs ont commencé avec un algorithme développé par Google déjà entraîné pour identifier 1,28 million d'images provenant de 1 000 catégories d'objets. Alors qu’il était destiné à différencier les chats des chiens, les chercheurs en avaient besoin pour distinguer un carcinome malin d’une kératose séborrhéique bénigne.