11 décembre 2020

Rachel Theriault, bénéficiaire d'une bourse Vector, a réuni l'intelligence artificielle et la chimie analytique pour étudier le cancer du sein. Ses premiers travaux ont été reconnus. La thèse de licence de Mme Theriault - L'utilisation d'un regroupement de sous-espaces épars pour détecter le cancer du sein à partir de scans DESI-MS - a récemment été récompensée pour s'être classée parmi les dix premiers pour cent des candidatures dans la catégorie informatique du programme Global Undergraduate Awards de cette année.

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

"Lorsque nous disposerons de stratégies informatiques capables d'effectuer des analyses peropératoires ou d'aider le pathologiste à effectuer des analyses plus rapides en signalant certains échantillons, nous espérons pouvoir réduire la nécessité d'une seconde intervention chirurgicale", déclare M. Theriault. Après une tumorectomie - une opération qui consiste à retirer uniquement la tumeur, et non le sein - un pathologiste détermine si le tissu cancéreux a été entièrement extrait ou si une seconde intervention chirurgicale est nécessaire, ce qui est malheureusement le cas dans plus de 20 % des cas. L'analyse peut prendre des semaines et le retard peut être coûteux. Le cancer oublié lors de l'opération initiale peut continuer à se développer dans l'intervalle.

Afin d'améliorer cette situation, Mme Theriault a étudié comment l'apprentissage automatique peut analyser les images produites par la spectrométrie de masse, une technique qui mesure la masse des molécules dans les échantillons de tissus et qui s'est avérée utile pour identifier les biomarqueurs du cancer. Ces images présentent d'énormes quantités de données granulaires sur les métabolites présents dans les tissus : un pixel peut contenir un millier de valeurs à analyser, et chaque image est composée de près d'une centaine de milliers de pixels. Le fait que les tissus cancéreux soient souvent hétérogènes et présentent des différences qu'il est difficile de saisir et de catégoriser constitue un obstacle supplémentaire à une analyse rapide.

"Nous avions besoin d'un algorithme complexe pour résoudre ce problème complexe", explique Mme 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 à la détection du cancer, et j'ai eu la chance de réussir.

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

Mme Theriault a reçu une bourse bourse Vector en intelligence artificielle pour l'aider à poursuivre ses études supérieures. La bourse d'entrée, d'une valeur de 17 500 dollars, est ouverte aux étudiants de troisième cycle inscrits à des programmes de maîtrise liés à l'intelligence artificielle en Ontario. Mme Theriault explique : "Mon directeur de thèse m'a parlé de la bourse Vector, ainsi qu'à tous les étudiants de premier cycle de l'époque. En fait, je ne savais pas que ce que je faisais était considéré comme de l'IA. Il m'a dit qu'il s'agissait d'IA dans le domaine des soins de santé et que je devais l'envisager si je voulais poursuivre mes recherches. C'est ce que j'ai fait, et je l'ai obtenu, ce qui était vraiment passionnant, et cela m'a aidé à financer tout mon travail de master.

L'appartenance à la communauté Vector a également apporté de la valeur à d'autres égards. Mme Theriault a participé à des conférences d'experts organisées par Vector, dont certaines ont permis d'aborder l'IA sous l'angle de la santé. "J'ai beaucoup appris sur l'IA et sur l'IA dans le monde réel grâce à ces conférences", explique Mme Theriault.

Lorsqu'on lui demande ce qui l'attend, Mme Theriault répond : "Je sais que j'aime la recherche que je fais. Je sais que j'ai l'impression d'avoir un but en le faisant. Je reçois de bons commentaires et je suis heureuse parce que je suis dans un endroit où il y a beaucoup de collaboration. Je participe à des réunions où je discute avec des chirurgiens, des chimistes et d'autres informaticiens, et c'est moi qui rassemble toutes les idées, avec mon superviseur bien sûr. C'est ce qui me rend très heureux".

Elle poursuit : "Ce qui me motive, c'est de continuer à apprendre et à découvrir tout ce que je peux".