Par Ian Gormely
11 oct. 2022

L’équipe Fight Tumour a remporté le premier défi collaboratif d’apprentissage automatique (ML) du Cancer Digital Intelligence (CDI) et du Vector Institute pour la segmentation d’images du cancer. La compétition a permis aux équipes d’explorer les limites computationnelles de la détection et du contouring d’objets d’images médicales. L’équipe McIntosh Lab a terminé deuxième. 

Pour le défi, des équipes composées de chercheurs UHN et Vector ont créé des modèles ML utilisant des images médicales radiologiques 3D dédéfinies pour l’autosegmentation des régions d’intérêt, comme les tumeurs, pour la planification des traitements par radiothérapie et la surveillance des maladies chez les patients atteints de cancer de la tête et du cou. La segmentation de l’image est une tâche manuelle fastidieuse qui prend généralement plusieurs heures par patient effectuée par les radiologues. L’auto-segmentation assistée par l’IA a le potentiel de réduire le temps et les efforts nécessaires aux radiographes et radiologues pour interpréter les résultats de l’imagerie médicale. 

Pour élaborer et entraîner leurs modèles, les équipes ont utilisé le jeu 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 courbes de niveau ainsi que de leur complexité et du temps d’inférence. 

L’équipe Fight Tumor, composée de Jun Ma, Rex Ma et Ronald Xie, a remporté la victoire grâce au score élevé obtenu pour la fiabilité de leur modèle dans la segmentation des régions d’intérêt. L’équipe du laboratoire McIntosh, comprenant Elyar Abbasi Bavil, Siham Belgadi, Tom Purdie et Kim Sangwook, a obtenu la deuxième place, obtenant de bons résultats pour le nombre de paramètres de modèle entraînables (sa complexité) et le temps d’exécution du modèle par patient (temps d’inférence), qui étaient les plus faibles de la concurrence. En tant qu’équipe gagnante, l’équipe Fight Tumor rédigera un manuscrit sur les résultats du défi et présentera ses résultats au Sommet sur l’apprentissage automatique de Toronto en novembre, aux côtés de Benjamin Haibe-Kains, affilié au Vector Faculty Affiliate et chercheur principal du Princess Margaret Cancer Centre, dont l’équipe avait initialement organisé le jeu de données RADCURE.

Un degré plus élevé de partage responsable des données, tout en gérant les risques de vie privée, faisait partie des recommandations du comité consultatif d’experts de la Stratégie pancanadienne sur les données de santé. Le Défi a donné vie à l’idée que cela est susceptible de stimuler l’innovation améliorant la santé. La collaboration a également été une excellente occasion pour les participants et leurs équipes de présenter leurs découvertes et leur travail à d’autres acteurs du domaine, encourageant des conversations plus larges autour de l’IA et des implications qu’elle peut avoir pour transformer les soins aux patients et la prestation des soins de santé. 

Félicitations aux gagnants du Défi ML CDI-Vector 2022, et merci à tous ceux qui ont participé. Ce fut un défi réussi. Le défi visait une plus grande variété de parcours de chercheurs, scientifiques et étudiants au sein de la communauté UHN et Vector. Nous attendons avec impatience les futures collaborations et projets liés à l’IA pour continuer à transformer l’innovation en santé.