Modèle d'IA pour classer le cancer du sein à partir d'images histopathologiques

Le cancer du sein, une maladie répandue et potentiellement mortelle, souligne la nécessité urgente d'une détection précoce et précise pour améliorer les résultats pour les patients. Le cadre diagnostique actuel, caractérisé par un examen histopathologique manuel, présente des inconvénients inhérents tels que la subjectivité et un débit limité. En réponse, nos recherches visent à transformer le diagnostic du cancer du sein en tirant parti de techniques informatiques avancées, en particulier l’apprentissage profond. Le cancer du sein peut être classé en deux sous-types principaux : invasif et non invasif.

Le cancer du sein non invasif, souvent appelé cancer du sein in situ, est caractérisé par des cellules anormales confinées dans les canaux galactophores (carcinome canalaire in situ ou CCIS) ou dans les lobules (carcinome lobulaire in situ ou LCIS) sans envahir les tissus environnants. Ce type est considéré comme un stade précoce et ne met généralement pas la vie en danger en soi. Les cancers du sein invasifs sont ceux qui se propagent à partir du site d'origine (soit les canaux galactophores, soit les lobules) vers le tissu mammaire environnant. Ceux-ci constituent environ 70 % de tous les cas de cancer du sein et ont généralement un pronostic plus sombre que les sous-types in situ.

L'imagerie médicale des seins peut être acquise grâce à diverses techniques, telles que l'IRM, la mammographie, l'échographie, la thermographie, la tomodensitométrie et l'histopathologie. Parmi ces approches, le test histopathologique constitue la référence en matière de diagnostic clinique du cancer.

Le modèle d'IA proposé vise à rationaliser et à améliorer l'analyse des images histopathologiques pour la classification du cancer du sein invasif et non invasif, en surpassant les méthodes conventionnelles et en fournissant un moyen fiable d'identifier les régions cancéreuses. Cela promet d’améliorer considérablement la précision et l’efficacité du diagnostic du cancer du sein, répondant ainsi au besoin urgent de solutions fiables et évolutives. En automatisant le processus complexe d’analyse des images histopathologiques du cancer du sein, notre objectif est de démocratiser le dépistage, en le rendant plus accessible et en atteignant les populations mal desservies. De plus, notre modèle va au-delà de l’innovation technologique ; il aborde des questions plus larges d’accessibilité et d’évolutivité, en particulier dans les contextes à faible revenu. L'accent mis par la recherche sur l'adaptation du domaine est crucial, car il garantit l'exactitude et la fiabilité du modèle dans divers établissements de santé. Cela implique de s’adapter aux différences de ressources, d’équipements et de facteurs démographiques, ce qui en fait une solution polyvalente et adaptable à divers contextes.

En résumé, notre recherche vise non seulement à faire progresser la frontière technologique en matière de diagnostic du cancer du sein, mais cherche également à susciter un changement transformateur en termes d’accessibilité, d’efficacité et de fiabilité. En développant un modèle d'IA qui relève les défis spécifiques des méthodes traditionnelles, nous visons à avoir un impact significatif sur le dépistage du cancer du sein, conduisant à terme à une détection précoce, à un traitement sur mesure et à de meilleurs résultats pour les patientes du monde entier.