L’IA détecte le cancer et préserve la confidentialité avec la blockchain

Geralt/Pixabay

Source : Geralt/Pixabay

L’apprentissage automatique par intelligence artificielle (IA) est en train de devenir un outil utile pour aider les cliniciens du cancer. Une nouvelle étude publiée dans Médecine naturelle montre comment la combinaison de l’informatique de pointe de l’IA et de l’apprentissage en essaim (SL) peut détecter le cancer à partir des données des patients tout en préservant la confidentialité des patients et la gouvernance des informations.

Une équipe de chercheurs affiliés à l’Université de Leeds au Royaume-Uni et à diverses institutions et hôpitaux en Allemagne ont entrepris de découvrir si l’apprentissage en essaim peut être appliqué à l’apprentissage automatique de l’IA afin de prédire les changements moléculaires directement à partir d’images histologiques. L’histologie, également appelée microanatomie, fait référence à l’étude de l’anatomie microscopique des tissus biologiques.

“Les images d’histopathologie numérisées contiennent une mine d’informations cliniquement pertinentes que l’IA peut extraire”, ont écrit les chercheurs. “Par exemple, des réseaux de neurones à convolution profonde ont été utilisés pour prédire les altérations moléculaires du cancer directement à partir de diapositives de pathologie de routine.”

Les chercheurs soulignent qu’en 2018, une autre équipe de scientifiques a démontré la preuve de ce concept pour le cancer du poumon non à petites cellules en utilisant l’apprentissage en profondeur, et par la suite, “des dizaines d’études ont étendu et validé ces résultats au cancer colorectal (CRC), gastrique cancer, cancer de la vessie, cancer du sein et autres types de tumeurs.

En science des données, l’apprentissage en essaim fait référence à un cadre décentralisé de préservation de la confidentialité des données qui exploite la blockchain pour l’apprentissage automatique de l’IA. Dans l’apprentissage en essaim, la formation de l’algorithme d’IA se fait localement à la périphérie plutôt que via un serveur centralisé. Des systèmes informatiques distincts peuvent former conjointement un algorithme d’apprentissage automatique à l’aide de l’apprentissage en essaim sans compromettre la confidentialité des données.

A lire aussi  Renforcer les qualités pour améliorer l'amour dans nos relations

Pour cette étude, les chercheurs ont utilisé l’implémentation Hewlett Packard Enterprise (HPE) de Swarm Learning et ont ouvert leurs codes sources. Les données de trois grands référentiels stockés dans trois serveurs informatiques distincts ont été utilisées pour former l’algorithme.

“Nous avons formé des modèles d’IA sur trois cohortes de patients d’Irlande du Nord, d’Allemagne et des États-Unis, et validé les performances de prédiction dans deux ensembles de données indépendants du Royaume-Uni”, ont écrit les scientifiques. “Nos données montrent que les modèles d’IA formés par SL surpassent la plupart des modèles formés localement et fonctionnent à égalité avec les modèles formés sur les ensembles de données fusionnés.”

Les scientifiques ont montré que l’apprentissage en essaim peut permettre des prédictions d’apprentissage automatique par IA des biomarqueurs cliniques dans les tumeurs solides, en particulier pour deux biomarqueurs critiques du cancer colorectal – BRAF et MSI.

Avec cette preuve de concept, cette technique ne se limite pas à la prédiction du cancer ; il peut être utilisé pour analyser des images pour d’autres maladies et troubles.

“À l’avenir, notre approche pourrait être appliquée à d’autres tâches de classification d’images en pathologie computationnelle”, ont écrit les chercheurs.

Copyright © 2022 Cami Rosso Tous droits réservés.

A lire aussi  Un nouveau test rapide d'IA pour le glaucome donne des résultats en quelques secondes