Des chercheurs de , qui se concentrent sur l’ingénierie informatique et , ont construit deux algorithmes d’apprentissage automatique capables de détecter le cancer du pancréas à un seuil plus élevé que les normes de diagnostic actuelles. Les deux modèles se sont formés ensemble pour créer le réseau neuronal « PRISM ». Il est conçu pour détecter spécifiquement l’adénocarcinome canalaire pancréatique (PDAC), la forme la plus répandue de cancer du pancréas.
Les critères de dépistage standard actuels de la PDAC détectent environ 10 % des cas chez des patients examinés par des professionnels. En comparaison, le PRISM du MIT a pu identifier les cas PDAC dans 35 % des cas.
Bien que son utilisation ne soit pas une nouveauté, le PRISM du MIT se distingue par la manière dont il a été développé. Le réseau neuronal a été programmé sur la base de l’accès à divers ensembles de dossiers de santé électroniques réels provenant d’établissements de santé à travers les États-Unis. Il a été alimenté avec les données de plus de 5 millions de dossiers de santé électroniques de patients, ce qui, selon les chercheurs de l’équipe, « dépassait l’ampleur » des informations fournies à un modèle d’IA dans ce domaine de recherche particulier. « Le modèle utilise des données cliniques et de laboratoire de routine pour faire ses prédictions, et la diversité de la population américaine constitue un progrès significatif par rapport aux autres modèles PDAC, qui sont généralement confinés à des régions géographiques spécifiques comme quelques centres de santé aux États-Unis », Kai Jia , a déclaré l’auteur principal de l’article, PhD, MIT CSAIL.
Le projet PRISM du MIT a débuté il y a plus de six ans. La motivation derrière le développement d’un algorithme capable de détecter précocement la PDAC a beaucoup à voir avec le fait que la plupart des patients sont diagnostiqués aux derniers stades du développement du cancer – en particulier, environ quatre-vingts pour cent sont diagnostiqués beaucoup trop tard.
L’IA fonctionne en analysant les données démographiques des patients, les diagnostics antérieurs, les médicaments actuels et antérieurs dans les plans de soins et les résultats de laboratoire. Collectivement, le modèle vise à prédire la probabilité de cancer en analysant les données des dossiers de santé électroniques en tandem avec des éléments tels que l’âge d’un patient et certains facteurs de risque évidents dans son mode de vie. Pourtant, PRISM n’est capable d’aider à diagnostiquer qu’autant de patients que la vitesse à laquelle l’IA peut atteindre les masses. Pour le moment, la technologie est réservée aux patients sélectionnés aux États-Unis. Le défi logistique lié à la mise à l’échelle de l’IA impliquera d’alimenter l’algorithme avec des ensembles de données plus diversifiés et peut-être même des profils de santé mondiaux pour accroître l’accessibilité.
Néanmoins, ce n’est pas la première tentative du MIT de développer un modèle d’IA capable de prédire le risque de cancer. Il a notamment développé un moyen de former des modèles à prédire la prévalence chez les femmes à l’aide des enregistrements de mammographie. Dans ce domaine de recherche, ont confirmé les experts du MIT, plus les ensembles de données sont diversifiés, plus l’IA est efficace pour diagnostiquer les cancers et les populations. Le développement continu de modèles d’IA capables de prédire la probabilité de cancer améliorera non seulement les résultats pour les patients si la malignité est identifiée plus tôt, mais réduira également la charge de travail des Le marché de l’IA dans le diagnostic est si mûr pour le changement qu’il suscite l’intérêt des grands publicité technologique, qui tentait de créer un programme d’IA capable de détecter le cancer du sein un an à l’avance.