Google montre comment l'IA pourrait détecter le cancer du poumon plus rapidement et de manière plus fiable

Catégorie: Intelligence artificielle Posté 20 mai

Une nouvelle recherche de Google montre comment l'apprentissage automatique pourrait un jour être utilisé pour détecter les signes de cancer du poumon plus tôt que cela ne se produit souvent aujourd'hui.

Alerte précoce: Danial Tse, chercheur chez Google, a développé un algorithme qui a battu un certain nombre de radiologues formés lors des tests. Tse et ses collègues ont formé un algorithme d'apprentissage en profondeur pour détecter les nodules pulmonaires malins dans plus de 42 000 tomodensitogrammes. Les algorithmes résultants ont généré 11 % de faux positifs en moins et 5 % de faux négatifs en moins que leurs homologues humains. Le travail est décrit dans un article publié dans la revue Nature aujourd'hui.

Problème tueur : Le cancer du poumon a tué plus de 160 000 personnes aux États-Unis en 2018, ce qui en fait la principale cause de décès par cancer. Et bien que les tomodensitogrammes (TDM) puissent être une partie vitale du dépistage du cancer, ils sont également souvent peu fiables.

Grosse promesse : Tse et ses collègues soutiennent que l'IA pourrait contribuer à rendre le dépistage du cancer du poumon plus fiable à travers le monde, bien qu'ils reconnaissent que le travail doit être validé sur des populations de patients plus importantes. En effet, l'utilisation de l'IA pour attraper de nombreux types de cancer suscite un intérêt croissant. Des chercheurs ont montré comment l'apprentissage automatique peut être utilisé pour repérer à la fois cancer du sein et cancer de la peau , par exemple.

Petites étapes: Ces études sont passionnantes mais doivent être traitées comme de petites avancées. Il reste difficile d'utiliser l'IA dans les soins de santé pour des raisons de confidentialité et parce que les ensembles de données du monde réel sont rarement aussi parfaits que ceux utilisés dans les études de recherche.

Il convient également de noter que le traitement du cancer implique bien plus que la simple détection de la maladie en premier lieu. La détermination du bon traitement, par exemple, peut dépendre d'une série de facteurs qui varient considérablement d'un patient à l'autre, ce qui rend cette partie du processus beaucoup plus difficile à automatiser.