Du dépistage précoce du cancer au suivi des maladies, comment l’IA change-t-elle l’imagerie médicale ?

Vous pouvez pénétrer profondément dans le corps humain sans avoir recours à un médecin. Cela ne semble-t-il pas un peu incroyable ? La technologie d’imagerie médicale radiologique a fait de grands progrès et, avec le soutien de l’IA, elle a fait un autre grand pas en avant. Utiliser la puissante puissance de calcul de l’IA et de l’apprentissage automatique pour scanner le corps humain et rechercher des différences subtiles qui pourraient être négligées par l’œil humain, c’est ce que fait actuellement la communauté médicale.

L’imagerie médicale d’aujourd’hui implique une série de technologies complexes qui analysent chaque point de données pour détecter les maladies liées à la santé et les signaux provenant du bruit. Au cours des premières décennies de la radiologie, la tâche principale des chercheurs était d’améliorer la résolution des photographies corporelles. Au cours des décennies suivantes, la tâche consistait à interpréter les données pour s’assurer que rien ne manquait.

Au début, la mission principale de la technologie de l'imagerie était de diagnostiquer des problèmes médicaux, mais aujourd'hui, la technologie de l'imagerie devient lentement un élément important du traitement, en particulier dans le domaine du cancer. Les médecins étudient les images et les laissent les aider à surveiller la propagation des cellules cancéreuses afin de savoir plus rapidement et mieux si les traitements fonctionnent. L'imagerie a commencé à jouer un nouveau rôle et la façon dont les patients sont traités a changé. Les médecins disposent de plus d'informations et peuvent choisir de meilleurs traitements pour leurs patients.

Basak Dogan, professeur agrégé au Southwestern Medical Center de l'Université du Texas, a déclaré : « Au cours des cinq prochaines années, nous verrons l'imagerie fonctionnelle devenir une partie du traitement. L'imagerie standard d'aujourd'hui ne peut pas répondre aux vraies questions cliniques, et les patients veulent des traitements de meilleure qualité. " Précision afin qu'ils puissent prendre de meilleures décisions basées sur des informations plus riches, la technologie fonctionnelle peut les aider à diagnostiquer tôt

Exploitez pleinement les images et lisez automatiquement autant que possible, ce qui fait gagner un temps précieux aux radiologues. Le temps est le premier obstacle que rencontrent la plupart des imagerie. , qu'il s'agisse de radiographies, de tomodensitogrammes, d'IRM ou d'échographies. À l’heure actuelle, des algorithmes assistés par ordinateur peuvent entrer en jeu, utilisant une puissante puissance de calcul pour entraîner l’ordinateur à distinguer l’anormalité de la normalité. C’est un travail en cours.

Les experts en logiciels travaillent main dans la main avec les radiologues depuis des années pour analyser de grandes quantités d'images normales et anormales. Les médecins transmettent les résultats aux programmes informatiques, permettant aux ordinateurs d'apprendre au fil du temps afin de pouvoir éventuellement différencier les anomalies. Plus vous comparez d’images et plus vous en apprenez, plus la capacité de discrimination de l’IA sera forte.

La FDA a approuvé un algorithme d'imagerie avec une précision de 80 à 90 %. Pourtant, la FDA exige que même si un algorithme d’apprentissage automatique fait une découverte, ce sera finalement aux humains de prendre la décision. L’IA peut signaler les doutes découverts pour que les médecins puissent les examiner, afin que ceux-ci puissent fournir des réponses aux patients plus rapidement.

À Mass General Brigham, les hôpitaux utilisent environ 50 algorithmes pour faciliter le traitement, de la détection des anévrismes et du cancer à la détection des symptômes d'embolies et d'accidents vasculaires cérébraux. La moitié des algorithmes ont été approuvés par la FDA et d’autres sont encore en cours de test.

Keith Dreyer, directeur de la science des données et vice-président du département de radiologie de l'hôpital général, a déclaré : « Notre objectif est de détecter les maladies à un stade précoce. Parfois, il faut plusieurs jours aux médecins humains pour diagnostiquer avec précision, mais les ordinateurs sont différents, ils ne le font jamais. "

Meilleur suivi des patients

L'intégration de l'IA dans les soins médicaux, le dépistage assisté par ordinateur est la première étape, et l'apprentissage automatique est devenu le moyen d'y parvenir. surveiller les patients et suivre les changements subtils. Ces techniques sont extrêmement importantes dans le traitement du cancer, car les médecins déterminent si les cellules cancéreuses se développent, diminuent ou restent les mêmes, ce qui est important pour décider comment les traiter.

Dogan a déclaré : "Le patient subit une chimiothérapie, qu'arrive-t-il aux cellules cancéreuses ? C'est difficile pour nous de comprendre. La technologie d'imagerie standard ne peut détecter aucun changement avant la fin de la chimiothérapie. L'ensemble du processus peut durer plusieurs mois, et il faudra plusieurs mois pour le voir rétrécir. »

Avec l’imagerie par IA, nous pouvons détecter des changements dans les cellules cancéreuses, indépendamment de leur taille et de leur anatomie. Dogan a ajouté : "Dans les premiers stades de la chimiothérapie, la plupart des changements dans les cellules cancéreuses n'ont pas encore atteint le niveau de mort cellulaire. Les changements existent dans les interactions modifiées entre les cellules immunitaires et les cellules cancéreuses.

Dans de nombreux cas, le cancer." les cellules ne se déplacent pas de l’extérieur vers l’intérieur. Au lieu de rétrécir de manière prévisible, de petites poches de cellules cancéreuses au sein d’une tumeur peuvent mourir tandis que d’autres survivent, laissant la masse entière grêlée comme un pull piqué par un insecte. Étant donné que la mort cellulaire est souvent associée à l’inflammation, la taille des cellules cancéreuses continue parfois d’augmenter, mais le nombre de cellules cancéreuses n’augmente pas nécessairement. L’imagerie standard ne peut pas nous dire combien de cellules cancéreuses sont vivantes et combien sont mortes. Les techniques d’imagerie les plus couramment utilisées pour le cancer du sein sont la mammographie et l’échographie, qui servent simplement à rechercher des caractéristiques anatomiques.

Au Southwestern Medical Center de l'Université du Texas, Dogan utilise deux technologies d'imagerie pour suivre les changements fonctionnels chez les patientes atteintes d'un cancer du sein.

La première, chaque fois que la patiente subit un cycle de chimiothérapie, elle prend des photos de la patiente et injecte des microbulles pour observer les subtils changements de pression autour des cellules cancéreuses. Les ondes ultrasonores peuvent détecter des changements dans la pression des bulles, qui se rassemblent autour des cellules cancéreuses ; les cellules cancéreuses en croissance disposent de plus de vaisseaux sanguins pour soutenir leur expansion que les autres tissus.

Dans une autre étude, Dogan a testé la technologie d'imagerie photoacoustique, qui convertit la lumière en signaux sonores. La lumière laser brillante sur le tissu mammaire fait osciller les cellules, ce qui crée des ondes sonores qui peuvent être capturées et analysées. La technologie d’imagerie photoacoustique peut être utilisée pour déterminer la teneur en oxygène des cellules cancéreuses. Lors de leur croissance, les cellules cancéreuses ont besoin de plus d’oxygène que les cellules ordinaires. En analysant les changements sonores, vous pouvez savoir quelles parties des cellules cancéreuses se développent et lesquelles ne le sont pas.

Dogan a déclaré : « En analysant les images des cellules cancéreuses, nous pouvons savoir quelles parties sont les plus susceptibles de métastaser dans les ganglions lymphatiques. Les cliniciens ne peuvent pas vous dire quelles parties des cellules cancéreuses se propageront aux ganglions lymphatiques. Grâce à la technologie photoacoustique, nous pouvons détecter les cellules cancéreuses à un stade précoce. Les signes de propagation, qui n'apparaissent pas sur les scanners à ce stade, ne nécessitent pas de biopsies invasives pour détecter des anomalies que les humains ne peuvent pas voir

Dreyer a déclaré lorsque nous avons suffisamment de données et d'images. , l’algorithme peut découvrir des distorsions que les humains ne peuvent pas découvrir. Son équipe développe un algorithme capable de mesurer les biomarqueurs du corps et de tracer leurs changements pour indiquer à une personne qu'elle risque d'être victime d'un accident vasculaire cérébral, d'une fracture ou d'une crise cardiaque.

Dreyer estime que cette technologie est le « Saint Graal » de l'imagerie médicale. Même si elle n'est pas encore mature, elle peut apporter des changements aux soins médicaux de l'IA.

À mesure que de plus en plus de modèles d’IA deviennent disponibles, l’imagerie par IA peut éventuellement aider les patients à domicile. Un jour, nous pourrons peut-être obtenir des informations sur l’imagerie échographique via une application pour smartphone.

Dreyer a déclaré : « Le véritable changement que l'IA apporte aux soins de santé est qu'elle peut fournir une variété de solutions aux gens avant qu'ils ne deviennent des patients, afin que les gens puissent rester en bonne santé. »

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!