Une analyse rétrospective des données d'imagerie par résonance magnétique pour le dépistage du cancer du sein dans le consortium ouvert pour l'intelligence artificielle médicale décentralisée (ODELIA)

L'intelligence artificielle (IA) est sur le point de révolutionner les soins de santé car ses performances diagnostiques se rapprochent de celles des experts cliniques. En particulier, dans le dépistage du cancer, l'IA pourrait aider les patients à prendre des décisions plus éclairées et à réduire les erreurs médicales. Cependant, cela nécessite de grands ensembles de données dont la collecte se heurte à de graves obstacles pratiques, éthiques et juridiques. Ces obstacles pourraient potentiellement être surmontés avec l'apprentissage en essaim (SL) où les partenaires forment conjointement des modèles d'IA sans partager aucune donnée. Pourtant, l'accès à la technologie SL est actuellement limité car aucune étude n'a implémenté SL dans une véritable configuration multinationale, aucune implémentation librement utilisable de SL n'est disponible, les chercheurs et les prestataires de soins de santé n'ont aucune expérience de la mise en place de réseaux SL et les décideurs politiques ne sont actuellement pas conscients de la plus large implications de SL.

ODELIA visera à résoudre ces problèmes : ODELIA construira un cadre logiciel open source pour SL, fournissant une chaîne de montage pour le développement rationalisé de solutions d'IA dans un cadre préclinique. Pour servir de modèle aux futurs systèmes d'IA basés sur SL, les partenaires d'ODELIA collaborent en tant que consortium pour développer des modèles d'IA pour la détection du cancer du sein en imagerie par résonance magnétique (IRM). La taille de la base de données distribuée d'ODELIA sera considérable et les modèles d'IA d'ODELIA pourraient atteindre des performances de niveau expert pour le dépistage du cancer du sein.

Ainsi, ODELIA pourra non seulement fournir une application médicale utile, mais fournir des preuves pour résumer le bénéfice clinique de SL en termes de développement accéléré, de performances accrues et de généralisabilité robuste.

Pour y parvenir, les partenaires d'ODELIA collecteront des ensembles de données rétrospectives et anonymisées d'IRM mammaire avec des étiquettes manuelles de vérité au sol pour la présence de cancer, et formeront des modèles d'IA de manière conventionnelle et via SL. Les performances de ces approches techniques seront comparées. L'objectif de l'étude est de tester la méthodologie de Swarm Learning et les performances des algorithmes d'IA développés au sein d'ODELIA sur des données rétrospectives. Il n'y aura aucun effet sur le traitement des patients car toutes les évaluations seront effectuées rétrospectivement. Aucun traitement de patient ou aucune intervention n'est associé à l'étude.