Il arrive parfois que des informations critiques ne soient pas visibles par l'inspection visuelle standard des images médicales, notamment en oncologie. Cependant, la radiomique est une méthode d'analyse d'images quantitative qui peut révéler l'invisible. En utilisant des techniques d'analyse d'intelligence artificielle (IA), la radiomique peut quantifier les différences visuelles dans l'intensité, la forme ou la texture de l'image, surmontant ainsi la nature subjective et chronophage de l'interprétation des images. [1].
De nos jours, le cancer du sein est le type de cancer le plus fréquent dans le monde, représentant près de 30 % de toutes les tumeurs malignes chez les femmes, et les tendances actuelles montrent que son incidence est en augmentation.[2]Compte tenu de l’ampleur du problème, il est urgent de trouver un traitement efficace.
Jusqu'à présent, la chimiothérapie néoadjuvante[3] L’objectif principal du (NAC) était de réduire la taille de la tumeur (également appelée downstaging) pour permettre une chirurgie de conservation du sein et éviter une intervention encore plus importante.
Bien que la NAC ait montré son potentiel pour réduire la mortalité dans les cas avancés, elle est associée à un taux élevé de surtraitement et à des effets secondaires importants pour les patients. En revanche, dans les pays à faible revenu, on a constaté un sous-traitement en raison des coûts élevés de la NAC. RadioVal évaluera le potentiel de la radiomique pour prédire la réponse à la NAC chez les patientes atteintes d'un cancer du sein à l'aide de l'IA, améliorant ainsi la sélection des patientes et réduisant le sur- et le sous-traitement.
RadioVal est la première validation clinique multidimensionnelle de l'estimation de la réponse NAC basée sur la radiomique dans le cancer du sein. Elle sera validée dans 8 centres cliniques en Suède, en Autriche, en Espagne, en Pologne, en Croatie, en Argentine, en Égypte et en Turquie. Elle peut être utilisée à partir de vastes référentiels d'images, d'outils et de résultats issus de 5 précédents projets du réseau AI4HI financés par l'UE.
Il s'agira de la première validation internationale d'une solution d'IA radiologique dans le cancer du sein, avec une méthodologie complète et unifiée à laquelle les médecins et les patients peuvent faire confiance, et mise en œuvre par les centres de santé et d'autres parties prenantes, tout en adhérant aux directives FUTURE-AI[4], pour évaluer l'équité, l'universalité, la traçabilité, la facilité d'utilisation, la robustesse et l'explicabilité. Dès le départ, le projet RadioVal adoptera une approche multipartite, prenant en compte les exigences cliniques et sanitaires ainsi que les préoccupations socio-éthiques et réglementaires.
L'engagement multipartite avec les cliniciens et les patients, les responsables informatiques et de la santé, ainsi que les experts en éthique et en droit guidera la mise en œuvre des méthodologies et des études d'évaluation, tandis que le retour d'information continu des évaluateurs cliniques fournira des données empiriques pour estimer les coûts-bénéfices et l'impact sur les directives cliniques et l'approbation réglementaire de l'outil RadioNac.
L'Université de Barcelone, en collaboration avec d'autres partenaires, notamment Quibim, dirige ce projet de collaboration complexe visant à évaluer si les outils sont techniquement robustes, algorithmiquement équitables, utiles et acceptables dans les contextes cliniques.
Quibim a rejoint ce projet passionnant pour jouer un rôle central dans 3 étapes principales du projet RadioVal.
1. Recherche, conception et développement de nouvelles méthodes de contrôle qualité continu, de surveillance et de traçabilité des modèles radiomiques.
2. Étudier et développer des procédures d’évaluation pour les modèles basés sur la radiomique afin de prédire la réponse NAC dans le cancer du sein.
3. Examiner les voies d’exploitation possibles et les plans de durabilité pour maximiser l’impact au-delà du projet.
En introduisant un cadre standardisé et complet pour l’évaluation de l’IA radiomique et en développant un outil de traçabilité pour une surveillance transparente, nous espérons renforcer la confiance dans l’utilisation de cette technologie dans les milieux cliniques. En outre, nous explorerons les implications plus larges de la mise en œuvre de l’IA radiomique, notamment l’analyse coûts-avantages, les considérations éthiques et les implications réglementaires.
Il s’agit d’un effort collaboratif visant à améliorer les options de traitement et à ouvrir la voie à la prochaine génération de percées médicales. Notre partenariat, qui utilise des solutions d’intelligence artificielle dans de vastes ensembles de données sur les patients, a le potentiel de révolutionner le diagnostic et les résultats des patients et de repousser les limites du progrès scientifique.
Ce travail a été financé par le programme de recherche et d’innovation Horizon Europe de l’Union européenne dans le cadre de la convention de subvention n° 101057699 (projet RadioVal).
Les points de vue et opinions exprimés sont toutefois ceux du ou des auteurs uniquement et ne reflètent pas nécessairement ceux de l’Union européenne. Ni l'Union européenne ni l'autorité qui l'accorde ne peuvent en être tenues responsables.
[1] Herrero Vicent C, et al (2022) Modèles d'apprentissage automatique et imagerie par résonance magnétique multiparamétrique pour la prédiction de la réponse pathologique à la chimiothérapie néoadjuvante dans le cancer du sein. Cancers (Bâle). 19 juil. ;14(14):3508.
[2] Système européen d'information sur le cancer (octobre 2020). Le fardeau du cancer du sein dans l'UE-27. https://ecis.jrc.ec.europa.eu
[3] Sidaway, P., 2020. La thérapie néoadjuvante améliore le taux de pCR. Nature Reviews Clinical Oncology, 17(12), pp.718-718.
[4] www.future-ai.eu.
