L’IA surpasse les dermatologues expérimentés en termes de précision de détection du cancer de la peau

• Des chercheurs ont formé 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 contribuer à 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 avec plus de précision que les dermatologues expérimentés.

Les cas de mélanome malin sont en augmentation :plus de 230 000 nouveaux diagnostics dans le monde et 59 800 décès en 2015. La détection précoce est essentielle; 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 formé un réseau neuronal convolutif (CNN) sur plus de 100 000 images dermoscopiques de mélanomes malins et de grains de beauté bénins.

Dans une comparaison directe, CNN a manqué moins de cas positifs que 58 dermatologues de 14 pays.

Réseau de neurones artificiels

Les chercheurs ont utilisé l’architecture Inception‑v4 de Google, la formant aux images dermoscopiques et à leurs diagnostics. Les réseaux de neurones apprennent par l'exemple et s'améliorent progressivement à mesure qu'ils sont exposés à davantage de données.

Les images ont été agrandies 10 fois pour fournir à CNN une vue détaillée. Chaque itération de formation a affiné la capacité du modèle à distinguer les lésions malignes des lésions bénignes.

CNN contre les médecins

Deux ensembles de tests ont été créés :niveau I (images dermoscopiques uniquement) et niveau II (images dermoscopiques plus informations cliniques). CNN et les dermatologues ont mesuré la spécificité, la sensibilité et l'aire sous la courbe ROC.

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

Au niveau II, les performances se sont améliorées pour les deux groupes, mais le CNN a tout de même démontré une sensibilité et une spécificité plus élevées, manquant moins de cancers et classant mal moins de lésions bénignes.

Les résultats correspondent également aux trois meilleurs algorithmes du défi du Symposium international sur l'imagerie biomédicale (ISBI) de 2016.

Conclusion

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

Même si la technologie n'est pas destinée à remplacer les cliniciens, elle offre un puissant outil d'aide à la décision qui peut améliorer la précision du diagnostic.

Lire :Google développe une IA qui prédit les maladies cardiaques en analysant vos yeux

Les améliorations futures proviendront d'ensembles de formation plus vastes et des progrès de la technologie d'imagerie, transformant potentiellement les diagnostics dermatologiques dans un avenir proche.

Référence :Annals of Oncology | est ce que je:10.1093/annonc/mdy166