January 19, 2020

Alors qu’elle était étudiante au baccalauréat, Rachel Theriault, lauréate d’une bourse d’études de l’Institut Vecteur, a combiné l’IA et la chimie analytique pour étudier le cancer du sein, et ses premiers travaux ont été couronnés de succès. Son mémoire de premier cycle, intitulé « The Use of Sparse Subspace Clustering to Detect Breast Cancer from DESI-MS Scans », s’est classé cette année dans les premiers 10 % des concurrents du Global Undergraduate Awards dans la catégorie Informatique.

L’article de Rachel Theriault explique comment le partitionnement de données ou « clustering », une technique d’apprentissage automatique, peut aider les pathologistes à distinguer les tissus cancéreux des tissus bénins dans les échantillons prélevés lors d’une tumorectomie.

« Grâce à des stratégies informatiques permettant de réaliser des analyses peropératoires ou d’aider un pathologiste à effectuer des analyses plus rapides en lui signalant certains échantillons, nous espérons réduire la nécessité d’une seconde intervention chirurgicale », explique Rachel Theriault. Après une tumorectomie, qui consiste à enlever uniquement la tumeur, et non le sein, un pathologiste détermine si le tissu cancéreux a été entièrement retiré ou si une seconde intervention chirurgicale est requise, ce qui est malheureusement nécessaire dans plus de 20 % des cas. L’analyse peut prendre des semaines, et le délai peut s’avérer fâcheux puisque le cancer non détecté continuera à se développer dans l’intervalle.

Pour améliorer la situation, Rachel Theriault a étudié comment l’apprentissage automatique peut analyser les images produites par spectrométrie de masse, une technique qui mesure la masse des molécules dans les échantillons de tissu et qui s’est révélée utile pour identifier les biomarqueurs du cancer. Ces images présentent de grandes quantités de données granulaires sur les métabolites présents dans les tissus : un pixel peut contenir 1 000 valeurs qui doivent être analysées, et chaque image est composée de près de 100 000 pixels. Le fait que les tissus cancéreux sont souvent hétérogènes et qu’ils présentent des différences difficiles à saisir et à catégoriser constitue un obstacle supplémentaire à une analyse rapide.

 

« Nous avions besoin d’un algorithme complexe pour résoudre ce problème complexe », explique Rachel Theriault. Son directeur de mémoire, le professeur Randy Ellis de l’Université Queen’s, lui a suggéré d’envisager le partitionnement de sous-espaces épars, une technique conçue pour les données à haute dimension. « Pour détecter le cancer, j’ai utilisé un algorithme qui sert normalement pour la reconnaissance faciale et le traitement vidéo, et j’ai eu la chance que cela fonctionne. »

Rachel Theriault poursuit actuellement une maîtrise à l’Université Queen’s dans le cadre d’un programme reconnu par l’Institut Vecteur, où elle poursuit son projet, mais en élargissant sa portée. Ainsi, elle conçoit des façons de visualiser les données afin d’obtenir des renseignements plus riches sur la présence de cancer dans un pixel ou une cellule et examine comment l’apprentissage automatique peut améliorer l’analyse des cancers de la peau, du foie et de la prostate.

La jeune chercheuse a reçu une bourse d’études en intelligence artificielle de l’Institut Vecteur pour soutenir ses travaux. D’une valeur de 17 500 $, cette bourse est accessible aux étudiants qui suivent des programmes de maîtrise en IA en Ontario. « À l’époque, mon directeur de mémoire nous a présenté, à moi et à tous les étudiants de premier cycle, la bourse de l’Institut Vecteur. Je ne m’étais pas vraiment rendu compte que ce que je faisais était considéré comme de l’IA. Il m’a dit que c’était de l’IA au service de la santé et que je devrais envisager de demander cette bourse pour pouvoir poursuivre mes recherches. C’est ce que j’ai fait, et je l’ai obtenue, ce qui est vraiment excitant ! Aujourd’hui, cela m’aide à financer tous mes travaux de maîtrise. »

Son appartenance à la communauté de l’Institut Vecteur a été profitable à de nombreux égards. Rachel Theriault a participé à des conférences d’experts organisées par l’Institut Vecteur, dont certaines ont élargi ses perspectives sur l’IA au service de la santé. « J’ai beaucoup appris sur l’IA et l’IA dans le monde réel grâce à ces conférences », indique-t-elle.

Lorsqu’on lui demande ce qui l’attend, elle répond : « Je sais que j’aime la recherche que je fais. Elle me donne l’impression d’avoir un but. Je reçois de bons commentaires, et je suis heureuse parce que je travaille dans un endroit où la collaboration est intense. J’assiste à des réunions où je parle avec des chirurgiens, des chimistes et d’autres informaticiens. Au final, je suis celle qui rassemble toutes les idées – avec mon superviseur, bien sûr ! – et cela me rend très heureuse. »

« Ma principale motivation est de continuer à apprendre et à découvrir le plus possible », conclut-elle.

Scroll to Top