L’utilisation de l’intelligence artificielle (IA) en oncologie est devenue réalité ces dernières années, et les études en cours suggèrent que l’IA pourrait avoir de nombreuses applications supplémentaires dans le traitement du cancer.
« La plupart de l’IA actuellement utilisée dans la pratique de l’oncologie relève du domaine du diagnostic du cancer », a déclaré Tufia C. Haddad, MDde la clinique Mayo à Rochester, Minnesota.1 « Des modèles d’apprentissage automatique et d’apprentissage profond sont utilisés pour améliorer la précision et l’efficacité du diagnostic du cancer. »
Une multitude de technologies d’IA ont reçu l’approbation de la Food and Drug Administration (FDA) des États-Unis pour une utilisation en oncologie, notamment en radiologie.2,3 En 2021, Luchini et al. ont rapporté que les appareils associés à l’IA approuvés pour une utilisation en oncologie étaient les plus couramment utilisés en radiologie (54,9 %) et en pathologie (19,7 %), et que les appareils étaient utilisés pour cancer du sein (31,0 %) plus souvent que les autres cancers.3
Les radiologues du sein utilisent de plus en plus l’IA pour « faciliter des tâches telles que la détermination de la densité mammaire, la détermination de la qualité d’une mammographie, le tri ». mammographies chez les personnes présentant un risque faible, intermédiaire ou élevé de cancer du sein, en identifiant les personnes à risque de maladie athéroscléreuse et en identifiant les cancers du sein », a déclaré Laurie Margolies, MDdu Mont Sinaï à New York, New York.4,5
« L’IA peut également être utilisée avec les échographies mammaires pour fournir une information supplémentaire, c’est-à-dire si l’algorithme informatique pense qu’un résultat d’échographie mammaire est susceptible d’être un cancer », a ajouté le Dr Margolies.6
L’IA s’est également révélée efficace pour le dépistage et le diagnostic des cancer colorectal.7 En 2021, la FDA a autorisé la commercialisation de GI Genius, le premier appareil utilisant l’IA pour faciliter la détection des lésions lors d’une coloscopie.8
En outre, l’IA est utilisée dans certains laboratoires de pathologie pour lire des diapositives numériques de pathologie et affiner les diagnostics de cancer, après des années de recherche dans ce domaine, selon Olivier Elemento, PhDde Weill Cornell Medicine à New York, New York.9
Le Dr Elemento a également souligné que l’IA est utilisée dans le développement de nouveaux médicaments contre le cancer.
« Certaines entreprises utilisent l’IA pour découvrir des cibles nouvelles et sûres en oncologie, et d’autres entreprises utilisent l’IA – parfois combinée à la modélisation moléculaire – pour concevoir des molécules candidates entièrement nouvelles », a déclaré le Dr Elemento.10,11 « L’avenir de l’IA dans la découverte de médicaments est très prometteur, à mon avis. »
L’IA est également utilisée pour « améliorer l’efficacité de la planification de la radiothérapie et faciliter le remodelage des tumeurs et des organes, accélérant ainsi la thérapie et améliorant l’efficacité et la sécurité de l’administration des radiations », a déclaré le Dr Haddad.12
« Pour les soins de soutien, l’IA est utilisée pour évaluer les symptômes et les signes vitaux déclarés par les patients surveillés à distance », a-t-elle ajouté.3 « PNL/ML [natural language processing/machine learning] les modèles peuvent déclencher des alertes sur les tendances négatives en matière de santé.
Demandes sous enquête
Une gamme d’applications supplémentaires de l’IA en oncologie s’avère prometteuse dans les recherches en cours.
« L’imagerie mammaire est mûre pour la recherche sur l’IA, et les applications futures pourraient permettre d’identifier le risque de cancer du sein à court et à long terme, peut-être mieux que les antécédents familiaux ou comme outil à utiliser en conjonction avec les antécédents familiaux », a déclaré le Dr Margolies.
Les chercheurs explorent également le rôle de l’IA dans l’identification des patients présentant un risque élevé de cancer du pancréasen utilisant l’imagerie abdominale et les dossiers de santé électroniques longitudinaux des patients, selon le Dr Haddad.13
« Cela pourrait permettre aux programmes de dépistage destinés aux individus à haut risque de faciliter la détection précoce d’une maladie associée à des taux de mortalité élevés », a-t-elle déclaré.
Le Dr Haddad a ajouté que l’IA pourrait à terme transformer l’évaluation des biomarqueurs et la caractérisation moléculaire des cancers pour éclairer le pronostic et les décisions de traitement, évitant ainsi le besoin de biopsies invasives et la longue attente des résultats dans certains cas.
« Imaginez que cela soit rendu possible grâce à une prise de sang ou à une « biopsie virtuelle » non invasive rendue possible grâce à l’utilisation de la radiomique IRM ; par exemple, un modèle d’apprentissage profond pourrait évaluer une IRM cérébrale et déterminer si un tumeur au cerveau a une mutation génétique spécifique, telle que IDH1 ou BREF, » dit-elle.
Le Dr Elemento a décrit les grands modèles de langage (LLM) comme un domaine passionnant avec un potentiel d’applications en oncologie.
« Il existe des preuves anecdotiques selon lesquelles certains des modèles OpenAI existants pourraient déjà être capables de répondre aux questions médicales avec une bonne précision, mais cela doit être validé plus systématiquement à l’aide d’ensembles de données de vérité terrain de haute qualité », a déclaré le Dr Elemento.
«Je pense que les centres médicaux disposent de pétaoctets de données d’oncologie médicale qui pourraient bientôt être utilisées pour former des LLM de haute qualité, capables d’ingérer des résultats de laboratoire, des analyses et des antécédents médicaux pour formuler des recommandations de traitement hautement personnalisées.»
Dans une étude publiée plus tôt cette annéeHaver et al ont constaté que ChatGPT générait des réponses précises à 88 % des questions concernant le dépistage et la prévention du cancer du sein, comme l’ont confirmé les radiologues du sein.14
Une paire d’études publié en août a montré que les chatbots peuvent répondre aux questions sur une variété de cancers avec une grande précision, mais que la technologie a encore des limites.
Dans l’une de ces études, Pan et al. ont évalué les réponses des chatbots aux principales recherches sur Internet liées aux cancers colorectal, de la prostate, du poumon, du sein et de la peau.5 Les chatbots fournissaient généralement des informations de haute qualité, mais elles n’étaient pas toujours exploitables et elles étaient rédigées à un niveau de lecture universitaire.
Dans l’autre étude, Chen et al ont constaté que les réponses d’un chatbot aux requêtes sur les traitements contre le cancer ne correspondaient pas toujours aux recommandations des lignes directrices du National Comprehensive Cancer Network (NCCN).16 Le chatbot a été en mesure de fournir au moins une recommandation de traitement pour 98 % des requêtes concernant le cancer du sein, de la prostate et du poumon, et toutes ces réponses comprenaient au moins une recommandation concordante du NCCN. Cependant, 34,3 % incluaient également au moins une recommandation non concordante et 12,5 % des réponses étaient « hallucinées » (c’est-à-dire ne faisant partie d’aucun traitement recommandé).
Une autre application de l’IA à l’étude est l’utilisation de modèles de traitement du langage naturel pour prédire la survie des patients atteints de cancer. Nunez et coll. a récemment montré que ces modèles peuvent prédire les résultats de survie en se basant uniquement sur les données de la consultation initiale en oncologie d’un patient.17
Optimiser l’IA pour une utilisation clinique
De multiples limitations et problèmes doivent être résolus pour aider à optimiser l’utilisation de l’IA en oncologie clinique, selon les experts.
Le Dr Haddad a souligné l’impératif éthique de développer des modèles d’IA et des dispositifs médicaux basés sur l’IA avec divers ensembles de données pour garantir une représentation précise des « cohortes de patients auxquelles ils seront appliqués lorsqu’ils seront mis en œuvre dans la pratique clinique ». Sans cela, les modèles et les dispositifs peuvent introduire des biais et exacerber les disparités en matière de soins de santé.1
L’un des obstacles à l’utilisation d’ensembles de données volumineux et diversifiés dans la recherche est l’hésitation des centres médicaux à partager des données, a déclaré le Dr Elemento.
« Nous devons soit trouver des moyens de normaliser et d’encourager le partage de données, idéalement avec le soutien des patients, soit proposer de nouveaux algorithmes de formation capables de former des modèles d’IA localement et de fusionner les modèles dans différents centres, puis de vérifier l’exactitude des modèles fusionnés. , » il a dit.
Malgré tous les progrès et le potentiel d’une utilisation plus large de l’IA en médecine, de nombreux modèles existants restent à évaluer dans la pratique clinique.
« Un modèle d’IA n’est un modèle que s’il se trouve sur une étagère », a déclaré le Dr Haddad. « La véritable IA en oncologie est un modèle utilisé dans les soins cliniques, qui apporte de la valeur aux cliniciens et améliore les résultats pour les patients et le système de santé. La convivialité, l’acceptation et la sécurité de ces modèles doivent être définies, et une évaluation continue sera nécessaire pour comprendre leur impact sur les résultats.
Le Dr Elemento a cité les défis de mise en œuvre qui limitent actuellement l’adoption des modèles d’IA en milieu clinique, notamment la difficulté de déployer des modèles d’IA dans les logiciels de dossiers de santé électroniques, le manque d’interfaces utilisateur intuitives dans de nombreux modèles d’IA et le coût prohibitif de la formation de certains des récents des modèles.
« Cette tendance, si elle n’est pas combattue, limitera considérablement la concurrence et l’accès », a-t-il déclaré. « Nous devons soit subventionner la puissance de calcul, soit élaborer des stratégies de formation plus efficaces et utilisant moins de ressources. »
Le Dr Haddad a également souligné la nécessité de « lignes directrices et garde-fous » pour garantir la sécurité de l’IA et éviter de causer des dommages, de la transparence dans les caractéristiques des ensembles de données utilisés dans les modèles d’IA pour définir leurs limites et les cohortes de patients appropriées, et de la protection de la confidentialité des patients.
« Nous sommes à un moment véritablement transformationnel en oncologie avec l’émergence de l’IA générative et le développement des LLM », a déclaré le Dr Haddad. « Cela devrait avoir un impact sans précédent sur la recherche sur le cancer et la prestation des soins. »
Divulgations : Le Dr Elemento est le co-fondateur de OneThree Bio, une société qui utilise l’IA pour découvrir et développer de nouveaux médicaments dans le domaine de l’oncologie. Le Dr Margolies siège au conseil consultatif médical de Screenpoint Medical. Le Dr Haddad a déclaré n’avoir aucune divulgation pertinente.
