Par Natalie Richard

De nouvelles recherches de Parvin Mousavi, membre du corps professoral de Vector , utilisent des techniques d’apprentissage automatique pour améliorer les soins contre le cancer. Son travail pourrait mener à des chirurgies du cancer du sein plus précises ainsi qu’à une détection et un diagnostic plus rapides du cancer de la prostate. Ces travaux témoignent du potentiel des modèles d’IA pour augmenter l’efficacité des soins contre le cancer, la principale cause de décès au Canada.

Améliorer l’ablation du cancer du sein grâce à la recherche sur l’IA

« Tout le monde connaît quelqu’un ou a lui-même vécu [un cancer] », dit Mousavi. Actuellement, environ 25 à 30% des chirurgies du cancer du sein ont des marges positives, ce qui signifie que les patientes devront subir des chirurgies de suivi pour retirer les cellules cancéreuses restantes.

« Aucun chirurgien ne veut laisser le cancer derrière lui, donc s’ils pensent ne pas avoir [tous les tissus cancéreux], ils pourraient prendre plus de tissu sain qu’ils n’en ont vraiment besoin. Il doit y avoir quelque chose de mieux que ça, et c’est là que ma recherche intervient. »

Parvin Mousavi

Membre du corps professoral vectoriel

Lors du traitement du cancer du sein, les chirurgiens créent et cautérisent des incisions. En utilisant une technique de pointe existante appelée spectrométrie de masse par ionisation rapide par évaporation (REIMS), le panache de fumée résultant des incisions cautérisées est aspiré à travers un dispositif appelé spectromètre de masse qui analyse immédiatement les profils biochimiques des échantillons de tissu brûlé. En quelques secondes, les cliniciens peuvent potentiellement avoir une idée claire de la composition du tissu qu’ils découpent, apprenant presque en temps réel quand ils ont atteint ou traversé involontairement les bords du tissu cancéreux qu’ils essaient d’enlever.

« En brûlant, tu peux imaginer que tu brûles toutes sortes de tissus, donc c’est très bruyant des données. Vous n’avez pas d’étiquettes — c’est de la chirurgie, pas de la pathologie — parce que vous brûlez le tissu en bougeant. Le problème est infiniment difficile. » 

L’utilisation de l’IA fournit des informations importantes pour comprendre ces ensembles de données complexes. Mousavi et son équipe construisent des modèles puissants d’apprentissage profond capables de catégoriser avec précision le type de tissu brûlé, aidant les chirurgiens à conserver les tissus sains tout en retirant les cellules cancéreuses. Pour que cela fonctionne, ils ont entraîné le programme à partir de données recueillies avec un outil chirurgical appelé iKnife, propulsé par la technologie REIMS, permettant au modèle de distinguer les types de tissus selon leurs signatures chimiques.

En appliquant des techniques d’apprentissage automatique à la navigation chirurgicale, les recherches de Mousavi visent à éliminer complètement toutes les cellules cancéreuses avec une perte minimale de tissus sains, réduisant ainsi le besoin de chirurgies supplémentaires et améliorant les résultats pour les patients. 

Compte tenu des promesses de leurs résultats initiaux, la technologie de Mousavi fait actuellement l’objet d’un essai de faisabilité au Kingston Health Sciences Centre. Plusieurs hôpitaux en Europe explorent également cette technologie. Mousavi a également récemment reçu une subvention de 700 000 $ pour le travail de l’équipe des Instituts de recherche en santé du Canada. L’argent permettra à Mousavi et à son équipe d’explorer NaviKnife, un système d’imagerie et de navigation chirurgicale de nouvelle génération qui s’inspire de l’appareil iKnife et utilise le typage métabolomique des tissus en temps réel novateur, l’apprentissage automatique et le suivi guidé par images pour aider un chirurgien à identifier et tracer une limite tumorale lors d’une chirurgie. 

« C’est la partie la plus excitante pour moi. Ma passion [pour l’IA et la recherche sur le cancer] est que je veux voir ça en clinique et avoir quelque chose que j’ai développé en usage. »

Parvin Mousavi

Membre du corps professoral vectoriel

Améliorer la détection du cancer de la prostate grâce à l’échographie améliorée par IA

Un autre domaine de recherche que Mousavi et une autre équipe de chercheurs explorent est la détection du cancer de la prostate en accélérant l’adoption de l’IA pour la technologie avancée des ultrasons. 

Le cancer de la prostate représente un cinquième de tous les nouveaux cas chez les hommes. Cependant, les chances d’une guérison réussie augmentent considérablement lorsque le cancer est traité tôt. Pour détecter le cancer de la prostate, les patients reçoivent une IRM puis une échographie qui aide les cliniciens à déterminer où faire une biopsie pour un diagnostic définitif. Mais les temps d’attente pour une IRM au Canada peuvent être longs. Pour contourner ce problème, Mousavi et son équipe se sont associés à Exact Imaging, une entreprise torontoise spécialisée dans les systèmes d’imagerie à micro-ultrasons haute résolution, afin de concevoir un système capable de fournir des conseils en temps réel pour l’imagerie et la biopsie. 

Contrairement aux appareils d’échographie typiques, l’échographie haute fréquence d’Exact Imaging est idéale pour l’imagerie de la prostate. « L’imagerie par échographie conventionnelle n’est utile que pour naviguer dans les biopsies, mais elle seule n’est pas suffisante pour le diagnostic du cancer, tandis que l’imagerie à haute fréquence permet d’observer les changements presque au niveau cellulaire », explique Mousavi. 

Pour améliorer davantage l’image, Exact Imaging explore une approche basée sur l’IA pour identifier les zones les plus susceptibles de cancer à partir d’images échographiques lors de biopsies. Mousavi et son équipe ont créé des modèles spécifiquement conçus pour guider les biopsies du cancer de la prostate à partir de données d’essais multicentriques. « En appliquant notre cadre d’IA, nous avons eu beaucoup plus de succès avec l’association des images d’échographie avec le cancer de la prostate. »

La spécificité et la précision du modèle d’IA offrent des résultats prometteurs dans la détection du cancer. Cette technologie d’imagerie haute résolution, améliorée par l’IA, une fois validée, pourrait signifier contourner le besoin d’IRM pour certains patients, menant à un diagnostic plus rapide et, surtout, améliorant les résultats pour les patients. 

Rechercher le potentiel de l’IA aujourd’hui pour de meilleurs résultats pour les patients demain

Mousavi et son équipe ont déjà reçu plusieurs distinctions académiques pour leur travail, dont le prix de la meilleure présentation lors de la conférence de cette année sur le traitement de l’information dans les interventions assistées par ordinateur (IPCAI). Leur travail, ainsi que celui d’autres chercheurs et praticiens en IA de la communauté Vector, pourraient mener à des soins plus personnalisés et de meilleure qualité, améliorant l’efficacité de notre système de santé, réduisant les temps d’attente et améliorant les résultats pour de nombreux Canadiens. Mais elle insiste sur le fait que, lors du déploiement de l’IA en santé, la transition de la théorie à la pratique exige que tous les intervenants soient sur la même longueur d’onde et respectent les lignes directrices éthiques appropriées. 

« Aussi merveilleuse que soit l’IA, elle n’a un impact en santé qu’avec une équipe multidisciplinaire prête à travailler ensemble — cliniciens, ingénieurs, étudiants, tout le monde. Si l’un de nous tombe, les autres ne peuvent pas se tenir debout. »

Cliquez ici pour en savoir plus sur le travail du Vector Institute dans l’écosystème de l’IA en santé.