Des algorithmes de deep learning appliqués à la traque du développement tumoral, c’est ce qu’ont annoncé avoir mis au point des chercheurs de l’Institut Fraunhofer sur leur site le 2 novembre 2016.
Ils dévoileront bientôt ce nouveau logiciel de deep learning capable de mesurer la taille des tumeurs en cours de traitement et de détecter de nouvelles métastases qui pourraient être autrement négligées. Les détails de la recherche seront présentés au congrès annuel de la RNSA, la plus grande réunion de radiologie du monde, qui aura lieu à Chicago dans l’Illinois aux USA, du 27 Novembre au 2 Décembre 2016.
Un des intérêts de cette nouvelle solution de deep learning est l’amélioration de la précision des CT (scanner de tomographie assistée par ordinateur) et IRM du patient.
Un nouveau logiciel pour aider les médecins dans le suivi du cancer
Un nouveau package de programmes mis au point par les chercheurs de l’Institut Fraunhofer permet de mettre en évidence les changements survenant dans les images de suivi des cancers. Cette nouvelle solution permet entre autres d’aider les médecins à découvrir des métastases osseuses, ce qui peut être négligé dans la routine clinique.
Pour savoir si une tumeur a diminué au cours d’un traitement ou si de nouvelles tumeurs se sont développées, les médecins effectuent souvent scanner et IRM. Les tumeurs sont généralement évaluées uniquement visuellement.
«Notre package de programme augmente la confiance lors de la mesure de la tumeur et son suivi», explique Mark Schenk.
L’ordinateur apprend seul, et trouve des métastases « cachées »
Ce nouveau type de deep learning va au-delà des approches existantes : cette méthode est utile pour la segmentation d’images, au cours de laquelle les experts désignent les contours d’organes précis. Une autre application de l’approche est l’enregistrement de l’image, dans lequel le logiciel aligne les images de différentes consultations des patients afin que les médecins puissent facilement les comparer.
L’apprentissage automatique facilite cette tâche particulièrement difficile qu’est la localisation des métastases osseuses dans le torse, les os de la hanche, les côtes et la colonne vertébrale. Actuellement, ces métastases sont souvent négligées par contrainte de temps dans la pratique clinique. Le gold standard des chercheurs consiste à se concentrer sur une combinaison d’approches classiques et de machine learning.
