Intelligence artificielle

L’Intelligence Artificielle (IA) est un domaine de recherche en pleine expansion qui touche à divers domaines. Elle présente un énorme potentiel pour la médecine de demain. Plusieurs projets sont menés à l’IUCT-Oncopole pour répondre à différentes problématiques médicales.

Modéliser le suivi des patients à domicile

Développé en partenariat avec la société MH-Comm, Alcimed, et le CEA, un projet porté par le Pr J-P. Delord a pour objectif de développer un démonstrateur capable de simuler de façon très réaliste la supervision d’une patiente en hospitalisation à domicile atteinte d’un cancer du sein.

Améliorer le diagnostic par l’imagerie médicale

Le Dr S. Kanoun s’intéresse aux perspectives qu’offre l’IA pour l’imagerie médicale et a lancé un travail d’entraînement d’une IA pour la reconnaissance de tumeurs à partir d’images de TEP. Grâce à un financement du consortium CALYM (Institut Carnot), un travail d’automatisation du calcul du volume tumoral a été lancé en 2020. Le Dr S. Kanoun a également réalisé, en collaboration avec le LYSA (Lymphoma Study Association), le CHU de Toulouse et l’Institut Claudius Regaud, un outil de gestion des images qui permet de collecter et diffuser de façon sécurisée les images médicales utilisées dans le cadre d’essais cliniques (GaelO). Des réflexions sur la question de l’amélioration des images d’un scanner 4D sont également en cours entre le département de Physique médicale, le Dr J. Khalifa et le Dr C. Massabeau.

Améliorer la caractérisation des tumeurs sur lames

Plusieurs projets ont été prévus dans le cadre du LabEx TOUCAN 2020-2024 (porteur : Pr P. Brousset) :

  • Caractérisation des cancers du sein de grade II par une approche de Machine learning non supervisée (projet APRIORICS porté par le Dr C. Franchet). Le projet APRIORICS - Apprentissage Profond Renforcé par l'ImmunohistOchimie pour la Requalification d'Images de Cancers du Sein - a été retenu dans le cadre de l'appel à projets 2020 du Health Data Hub « l'intelligence artificielle pour une expérience améliorée du système de santé ». Réalisé en partenariat avec Thales services, il bénéficie également du soutien de la Fondation pour la recherche médicale (FRM).
  • Analyses des images histologiques pour prédire les caractéristiques des lymphomes B à grandes cellules (porté par les Pr C. Laurent,  le Pr L. Ysebaert et le Pr P. Brousset). Projet IALYMPH.

 

De plus, une collaboration avec l’équipe DynAct du CRCT (responsable : Dr S. Valitutti) a été lancée avec la plateforme d’imagerie du plateau d’anatomopathologie pour développer une solution informatique d’analyse d’images complexes de microscopie fonctionnelle (immunofluorescence multiplexe), également par une approche de Machine learning.

Aider la prise de décision en RCP

Un autre projet, porté par le Dr C. Franchet (CCO Sénologie), a été lauréat du premier appel à manifestation d’Intérêt (AMI) sur l’intelligence artificielle (IA) des directions interministérielles du numérique (Dinum) et de la transformation publique (DITP). L’objectif est de développer un outil permettant d'extraire et de structurer, à partir des comptes rendus d'anatomo-pathologie dans un premier temps, les concepts médicaux essentiels à la prise de décision en RCP post-opératoire. L’ambition est de réduire les tâches administratives et les erreurs de retranscription des dossiers, mais également de permettre de réaliser des recherches sur données.

Radiothérapie : gagner en précision

Le département de Physique médicale (en particulier le Dr S. Ken et le Dr L. Simon) et le département de Médecine nucléaire (Dr S. Kanoun) s’intéressent également à la thématique de l’IA en collaboration avec la société Jolibrain spécialisée en deep learning. Un projet de contourage automatique des structures pour la radiothérapie a été initié par IA.

Identifier des nouveaux biomarqueurs grâce aux radiomics

Le projet Gliomics porté par le Pr A. Laprie consiste en l’analyse de données d’imagerie issues d’un essai clinique (Spectroglio) pour concevoir un logiciel spécialisé de radiomics intégrant les données de radiothérapie avec celles de d’IRM multimodale, en particulier de spectrométrie de résonance magnétique. Grâce à un financement de la FRM (AAP « Médecine computationnelle » 2017), deux chercheurs sont employés à temps plein sur ce projet en collaboration avec l’équipe de biostatistiques de T. Filleron. Ce logiciel aura pour vocation, dans un second temps, d’être utilisé également pour les cancers de l’enfant, et en particulier les épendymomes sur lesquels le Pr A. Laprie et F. Tensaouti travaillent depuis plusieurs années dans le cadre de l’étude nationale PEPPI. C’est l’objet d’un second projet intitulé EPENDYMOMICS.

Le projet EPENDYMOMICS - Approche multiomique par deep learning de la radiorésistance des épendymomes de l'enfant et de l'adolescent - a reçu le Prix « Coup de cœur du Jury » du Prix Unicancer de l'innovation 2020. Ce projet rassemblera les données cliniques, biologiques, d'imagerie et de radiothérapie de deux études consécutives ayant inclus tous les enfants et les adolescents porteurs de cette maladie depuis 2000 en France. Il est également lauréat du PRTK2020 de l'INCa/DGOS.