Par Ian Gormely
11 octobre 2022
L'équipe Fight Tumour a remporté le premier concours d'apprentissage automatique (ML) organisé conjointement par Cancer Digital Intelligence (CDI) et le Vector Institute, portant sur la segmentation d'images de cancer . Ce concours permettait aux équipes d'explorer les limites de calcul liées à la détection et au contourage d'objets dans les images médicales. L'équipe du laboratoire McIntosh s'est classée deuxième.
Dans le cadre de ce défi, des équipes composées de chercheurs de l'UHN et de Vector ont créé des modèles d'apprentissage machine à partir d'images médicales radiologiques 3D anonymisées. Ces modèles permettent la segmentation automatique de régions d'intérêt, telles que les tumeurs, pour la planification des traitements de radiothérapie et le suivi des patients atteints de cancer de la tête et du cou. La segmentation d'images est une tâche manuelle fastidieuse qui prend généralement plusieurs heures par patient et qui est effectuée par des radiologues. L'automatisation de la segmentation par intelligence artificielle pourrait réduire le temps et les efforts nécessaires aux manipulateurs en radiologie et aux radiologistes pour interpréter les résultats d'imagerie médicale.
Pour construire et entraîner leurs modèles, les équipes ont utilisé l'ensemble de données RADCURE du Princess Margaret Cancer Centre, composé d'images médicales de patients traités pour un cancer de la tête et du cou. Les modèles ont été évalués en fonction de la précision des contours, de leur complexité et de leur temps d'inférence.
L'équipe Fight Tumor, composée de Jun Ma, Rex Ma et Ronald Xie, a remporté la compétition grâce à l'excellent score obtenu pour la fiabilité de son modèle de segmentation des régions d'intérêt. L'équipe du laboratoire McIntosh, comprenant Elyar Abbasi Bavil, Siham Belgadi, Tom Purdie et Kim Sangwook, s'est classée deuxième, obtenant les meilleurs scores pour le nombre de paramètres entraînables du modèle (sa complexité) et le temps d'exécution par patient (temps d'inférence), qui étaient les plus bas de la compétition. En tant qu'équipe gagnante, Fight Tumor rédigera un article sur ses résultats et présentera ses conclusions au Sommet de l'apprentissage automatique de Toronto en novembre, aux côtés de Benjamin Haibe-Kains, chercheur associé à Vector et chercheur principal au Centre de cancérologie Princess Margaret, dont l'équipe a initialement constitué l'ensemble de données RADCURE.
Un partage plus responsable des données, tout en gérant les risques liés à la protection de la vie privée, figurait parmi les recommandations du comité consultatif d’experts de la Stratégie pancanadienne sur les données sur la santé . Le Défi a concrétisé l'idée que cette approche est susceptible de stimuler l'innovation au service de la santé. Cette collaboration a également offert aux participants et à leurs équipes une excellente occasion de présenter leurs résultats et leurs travaux à leurs pairs, favorisant ainsi des échanges plus larges sur l’IA et son potentiel de transformation des soins aux patients et de la prestation des soins de santé.
Félicitations aux lauréats du Défi CDI-Vector ML 2022 et merci à tous les participants. Ce défi a été un succès. Il visait un large éventail de profils de chercheurs, de scientifiques et d'étudiants au sein du Réseau universitaire de santé (UHN) et de la communauté Vector. Nous attendons avec impatience les futures collaborations et projets liés à l'IA qui contribueront à transformer l'innovation dans le domaine de la santé.
