11 décembre 2020

En tant qu’étudiante de premier cycle, Rachel Theriault, lauréate de la bourse Vector, a réuni l’IA et la chimie analytique pour étudier le cancer du sein. Ses premiers travaux ont été reconnus. La thèse de premier cycle de Theriault – L’utilisation du regroupement subspatial clairsemé pour détecter le cancer du sein à partir des scans DESI-MS – a récemment été honorée pour se classer parmi les dix premiers pour cent des candidatures dans la catégorie informatique du Global Undergraduate Awards Programme de cette année.

L’article de Theriault explique comment le regroupement – une technique d’apprentissage automatique – peut aider les pathologistes à distinguer les tissus cancéreux et bénins dans des échantillons prélevés lors d’une tumorectomie.

« Lorsque nous disposons de stratégies computationnelles capables de faire une analyse intraopératoire ou d’aider un pathologiste à accélérer l’analyse en signalant certains échantillons, nous espérons pouvoir réduire le besoin de secondes chirurgies », explique Theriault. Après une tumorectomie – une opération qui ne retire que la tumeur, et non le sein – un pathologiste détermine si le tissu cancéreux a été entièrement extrait ou si une seconde chirurgie est nécessaire, ce qui est malheureusement nécessaire dans plus de 20% des cas. L’analyse peut prendre des semaines à réaliser, et le délai peut être coûteux. Le cancer manqué lors de la chirurgie initiale peut continuer de croître entre-temps.

Dans son effort pour améliorer cela, 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 des échantillons de tissu et qui s’est avérée utile pour identifier les biomarqueurs du cancer. Ces images présentent d’énormes quantités de données granulaires sur le métabolite présent dans les tissus : un pixel peut contenir mille valeurs qui nécessitent une analyse, et chaque image est composée de près de cent mille pixels. Le fait que le tissu cancéreux est souvent hétérogène et qu’il est difficile de saisir et de catégoriser l’analyse rapide.

« Nous avions besoin d’un algorithme complexe pour résoudre ce problème complexe », dit Theriault. Son directeur de thèse, le professeur Randy Ellis de l’Université Queen’s, lui a suggéré d’envisager le regroupement par sous-espace clairsemé, une technique de regroupement conçue pour les données de haute dimension. « J’ai appliqué un algorithme normalement utilisé pour la reconnaissance faciale et le traitement vidéo afin de détecter le cancer, et j’ai eu de la chance que ça ait fonctionné. »

Thériault poursuit maintenant une maîtrise à l’Université Queen’s dans un programme de maîtrise reconnu par Vector , où elle poursuit le projet mais avec une portée élargie. Elle conçoit maintenant aussi des moyens de visualiser les données afin de fournir des informations plus riches sur la présence du cancer dans un pixel ou une cellule, et examine comment l’apprentissage automatique peut aussi améliorer l’analyse des cancers de la peau, du foie et de la prostate.

Theriault a reçu une bourse Vector en intelligence artificielle pour soutenir ses études supérieures. La bourse d’entrée est évaluée à 17 500 $ et est ouverte aux étudiants diplômés qui étudient dans des programmes de maîtrise liés à l’IA en Ontario. Theriault dit : « Mon directeur de thèse m’a apporté la bourse Vector à moi et à tous les étudiants de premier cycle à l’époque. En fait, je ne réalisais pas que ce que je faisais était considéré comme de l’IA. Il m’a dit que c’est de l’IA dans le domaine de la santé, et que je devrais y penser si je veux poursuivre mes recherches. Alors je l’ai fait, je l’ai eu, ce qui était plus que passionnant, et maintenant ça m’a aidé à financer tout mon travail de maîtrise. »

Faire partie de la communauté Vector apportait aussi de la valeur d’autres façons. Theriault a participé à des conférences d’experts animées par Vector, dont certaines ont apporté des perspectives de santé à l’IA. « J’ai beaucoup appris sur l’IA et l’IA dans le monde réel grâce à eux », dit Theriault.

Lorsqu’on lui demande ce qui vient ensuite, Theriault répond : « Je sais que j’adore la recherche que je fais. Je sais que j’ai l’impression d’avoir un but pendant que je le fais. Je reçois de bons retours, et je suis heureux parce que je suis dans un endroit où il y a beaucoup de collaboration. J’assiste à des réunions où je parle avec des chirurgiens, des chimistes et d’autres informaticiens, et je suis celui qui rassemble toutes les idées, avec mon superviseur, bien sûr. Et ça me rend très heureuse. »

Elle poursuit : « La motivation, c’est juste de continuer à apprendre et de découvrir autant que possible. »