Par Ian Gormely
11 octobre 2022

L'équipe Fight Tumour a remporté la première édition du concours Cancer Digital Intelligence (CDI). Cancer Digital Intelligence (CDI) et de l'Institut Vector Machine Learning (ML) Challenge pour la segmentation d'images de cancer. Ce concours a permis aux équipes d'explorer les limites informatiques de la détection et du contournement d'objets dans les images médicales. L'équipe McIntosh Lab 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 ML à partir d'images médicales radiologiques 3D déidentifiées pour l'autosegmentation des régions d'intérêt, telles que les tumeurs, en vue de la planification de la radiothérapie et du suivi de la maladie chez les patients atteints d'un cancer de la tête et du cou. La segmentation des images est une tâche manuelle fastidieuse qui prend généralement plusieurs heures par patient et qui est effectuée par les radiologues. L'auto-segmentation assistée par l'IA peut réduire le temps et les efforts nécessaires aux radiographes et aux radiologues pour interpréter les résultats de l'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 du temps d'inférence. 

L'équipe Fight Tumor, composée de Jun Ma, Rex Ma et Ronald Xie, a gagné grâce au score élevé qu'elle a obtenu pour la fiabilité de son modèle dans la segmentation des régions d'intérêt. L'équipe du laboratoire McIntosh, composée de Elyar Abbasi Bavil, Siham Belgadi, Tom Purdie et Kim Sangwook, est arrivée en deuxième position, obtenant de bons résultats pour le nombre de paramètres du modèle pouvant être entraînés (sa complexité) et le temps d'exécution du modèle par patient (temps d'inférence), qui étaient les plus faibles de la compétition. En tant qu'équipe gagnante, l'équipe Fight Tumor rédigera un manuscrit sur les résultats obtenus dans le cadre du défi et présentera ses conclusions lors du Sommet de l'apprentissage automatique de Toronto en novembre, aux côtés de Benjamin Haibe-Kains, affilié à la faculté Vector et chercheur principal au Princess Margaret Cancer Centre, dont l'équipe est à l'origine de l'ensemble de données RADCURE.

un plus grand degré de partage responsable des données, tout en gérant les risques pour la vie privée, était l'une des recommandations du groupe consultatif d'experts de la Stratégie pancanadienne sur les données de santé. Stratégie pancanadienne relative aux données de santé. Le défi a donné vie à l'idée qu'une telle démarche est susceptible de stimuler l'innovation en matière d'amélioration de la santé. La collaboration a également été une excellente occasion pour les participants et leurs équipes de présenter leurs résultats et leur travail à d'autres acteurs du domaine, encourageant ainsi des conversations plus larges sur l'IA et les implications qu'elle peut avoir pour transformer les soins aux patients et la prestation des soins de santé.

Félicitations aux gagnants du 2022 CDI-Vector ML Challenge, et merci à tous ceux qui ont participé. Ce défi a été couronné de succès. Il a permis de cibler une plus grande variété de chercheurs, de scientifiques et d'étudiants au sein de la communauté UHN et Vector. Nous nous réjouissons des collaborations futures et des projets liés à l'IA afin de continuer à contribuer à la transformation de l'innovation en matière de soins de santé.