L'IA Surpasse Dermatologues Expérimentés en Précision de Détection Cancer de la Peau

• Des chercheurs ont entraîné un réseau neuronal convolutif pour détecter le cancer de la peau.
• Il a surpassé un groupe international de dermatologues expérimentés.
• L'IA ne remplacera pas les médecins mais peut servir d'aide pour une prise de décision plus précise.

Pour la première fois, une équipe internationale a montré que l'intelligence artificielle peut détecter le cancer de la peau plus précisément que des dermatologues expérimentés.

Les cas de mélanome malin augmentent — plus de 230 000 nouveaux diagnostics mondiaux et 59 800 décès en 2015. La détection précoce est critique ; au stade IV, les taux de survie à 5 et 10 ans chutent à 15 % et 10 %.

L'équipe de la Société Européenne d'Oncologie Médicale a entraîné un Réseau Neuronal Convolutif (CNN) sur plus de 100 000 images dermoscopiques de mélanomes malins et grains de beauté bénins.

Dans une comparaison tête-à-tête, le CNN a manqué moins de cas positifs que 58 dermatologues de 14 pays.

Réseau Neuronal Artificiel

Les chercheurs ont employé l'architecture Inception-v4 de Google, l'entraînant sur images dermoscopiques et leurs diagnostics. Les réseaux neuronaux apprennent par l'exemple, s'améliorant progressivement à mesure qu'ils sont exposés à plus de données.

Les images étaient grossies 10 fois pour donner au CNN une vue détaillée. Chaque itération d'entraînement affinait la capacité du modèle à distinguer lésions malignes de bénignes.

CNN vs Médecins

Deux jeux de test ont été créés : Niveau-I (images dermoscopiques seulement) et Niveau-II (images dermoscopiques plus informations cliniques). CNN et dermatologues ont mesuré spécificité, sensibilité et aire sous la courbe ROC.

Au Niveau-I, les dermatologues ont atteint une sensibilité moyenne de 86,6 % pour le mélanome et 71,3 % de spécificité pour grains de beauté bénins. Le CNN a atteint 95 % de sensibilité pour le mélanome tout en maintenant la même spécificité de 71,3 % pour grains de beauté bénins.

Au Niveau-II, la performance s'est améliorée pour les deux groupes, mais le CNN a encore démontré une sensibilité et spécificité plus élevées, manquant moins de cancers et mal-classifiant moins de lésions bénignes.

Les résultats correspondaient aussi aux trois meilleurs algorithmes du défi 2016 du Symposium International sur l'Imagerie Biomédicale (ISBI).

Conclusion

Les données indiquent qu'un CNN peut surpasser même des dermatologues hautement expérimentés dans l'identification du cancer de la peau.

Bien que la technologie ne soit pas destinée à remplacer les cliniciens, elle offre un puissant outil d'aide à la décision qui peut améliorer la précision diagnostique.

Lire : Google Développe Une IA Qui Prédit Les Maladies Cardiaques En Scannant Vos Yeux

Les améliorations futures viendront de jeux d'entraînement plus larges et d'avancées en technologie d'imagerie, transformant potentiellement le diagnostic dermatologique dans un futur proche.

Référence : Annals of Oncology | doi: 10.1093/annonc/mdy166