Un réseau de neurones profonds pour améliorer le diagnostic de cancer du poumon

L’intelligence artificielle appliquée à la recherche de cancer du poumon a fait l’objet d’une étude publiée dans la Revue Radiology et conduite par le Dr Byoung Wook Choi, professeur à l'Université de médecine de Yonsei, et radiologue cardiothoracique. dans le département de radiologie de l’Université Yonsei à Séoul (Corée).

Un réseau de neurones profonds pour aider le radiologue

"La sensibilité moyenne des radiologues a été améliorée de 5,2% lorsqu'ils ont revu les radiographies avec le logiciel de deep learning, précise-t-il. Dans le même temps, le nombre de faux positifs par image a été réduit." Selon le Dr Choi, les caractéristiques des lésions pulmonaires, notamment leur taille, leur densité et leur localisation, compliquaient la détection des nodules pulmonaires sur les radiographies thoraciques. Cependant, les méthodes d'apprentissage automatique, dont la mise en œuvre de réseaux de neurones à convolution profonde (DCNN), ont permis d'améliorer leur détection. Un DCNN, dont l’architecture rappelle la structure du cerveau, utilise plusieurs couches et motifs cachés pour classifier les images.

Dans cette étude rétrospective, les radiologues ont sélectionné au hasard 800 radiographies du thorax au total, provenant de quatre centres participants, parmi lesquels 200 examens normaux et 600 avec au moins un nodule pulmonaire malin confirmé par tomodensitométrie ou par examen anatomo-pathologique. Il y avait 704 nodules malins confirmés dans les radiographies de cancer du poumon (78,6% des cancers primitifs du poumon et 21,4% des métastases). La majorité (56,1%) des nodules mesuraient entre 1 cm et 2 cm, tandis que 43,9% mesuraient entre 2 cm et 3 cm.

Une sensibilité nettement améliorée

Un deuxième groupe de radiologues, comprenant trois de chaque établissement, a interprété les radiographies thoraciques sélectionnées avec et sans nodules cancéreux. Les lecteurs ont ensuite relu les mêmes examens à l'aide du logiciel DCNN, formé à la détection des nodules pulmonaires. La sensibilité moyenne, ou la capacité de détecter un cancer existant, s'est nettement améliorée, passant de 65,1% pour les radiologues en lecture seule à 70,3% avec l'aide du logiciel DCNN. Le nombre de faux positifs a également baissé avec l'aide du logiciel.

"Les logiciels de détection assistée par ordinateur pour détecter les nodules pulmonaires n'ont pas été largement acceptés et utilisés en raison du nombre élevé de taux de faux positifs, même s'ils offrent une sensibilité relativement élevée, conclut le Dr Choi. Le logiciel DCNN pourrait être une solution pour réduire le nombre de faux positifs."