Chez environ 15,2 millions de personnes, un cancer est diagnostiqué chaque année, et plus de 80% vont être traités chirurgicalement. Une étude* a été publiée par des chercheurs américains qui ont mis au point un programme capable de déterminer la nature d’une tumeur cérébrale en moins de trois minutes en utilisant l’Intelligence artificielle (IA). L’intelligence artificielle peut permettre une analyse et une chirurgie plus sûres et précises lors de l’opération d’une tumeur du cerveau, conclut cette étude.
L’ outil utilisé peut dire en moins de 2 minutes 30 si les cellules prélevées sont cancéreuses ou non, contre 20 à 30 minutes en moyenne pour une analyse classique, d’après cette étude publiée le 6 janvier 2020.
Les chercheurs ont combiné une technique d’imagerie innovante au laser et un algorithme entraîné pour l’analyse de plus de 2,5 millions d’images de biopsies. Avec cet outil, «nous sommes mieux équipés pour conserver les tissus sains et n’enlever que les tissus touchés par les cellules malignes, ce qui donnera moins de complications et de meilleurs résultats pour les patients cancéreux», a expliqué à l’AFP Daniel Orringer, de l’université de New York.
À partir d’un morceau de tumeur prélevé, le programme permet aussi de dire de quel type de tumeur il s’agit, parmi les 10 types de cancers du cerveau diagnostiqués le plus souvent, avec une efficacité pareille à des anatomo-pathologistes, selon l’étude. «En neurochirurgie et dans beaucoup d’autres domaines de la chirurgie des cancers, la détection et le diagnostic des tumeurs pendant l’opération sont essentiels pour effectuer le geste chirurgical le plus approprié», souligne le neurochirurgien.
Selon les auteurs, un tel outil pourrait grandement améliorer la pertinence de l’analyse humaine, pallier la pénurie d’experts dans les endroits où ils ne sont pas assez nombreux et permettre le traitement le plus approprié de nombreux cas.
*Hollon, T.C., Pandian, B., Adapa, A.R. et al. Near real-time intraoperative brain tumor diagnosis using stimulated Raman histology and deep neural networks. Nat Med 26, 52–58 (2020)