L’IA pourrait améliorer le dépistage du cancer du poumon et contribuer à sauver des vies

Auteurs:

  • Frank Rybicki, Directeur médical
  • Kam Kafi, Directeur – Oncologie et stratégie clinique 

 

Le cancer du poumon est le cancer le plus meurtrier au Canada – et dans le monde. Chaque année, le cancer du poumon tue plus de 20 000 Canadiens. Parmi les personnes qui reçoivent un diagnostic, environ 75% devraient mourir dans les cinq ans. Pourtant, il n’y a pas de norme nationale au Canada pour le dépistage du cancer du poumon et, de tous les cancers, c’est celui qui reçoit le moins de fonds pour la recherche.

Le cancer du poumon, lorsqu’il est détecté à un stade avancé, est beaucoup plus difficile à traiter. La détection précoce est donc essentielle pour augmenter les taux de survie. Pourtant, la moitié des diagnostics de cancer du poumon sont posés au stade 4, et environ 20% au stade 3, selon la base de données du Registre canadien du cancer de Statistiques Canada. Le taux de survie à cinq ans d’une personne atteinte d’un cancer du poumon de stade 4 n’est que de 1%. En revanche, une personne atteinte d’un cancer du poumon de stade 1A a un taux de survie à cinq ans de 49%.

Outre le faible financement et la stigmatisation du cancer du poumon – car il est souvent, mais pas exclusivement, lié au tabagisme, les premiers symptômes, tels que la fatigue et une toux persistante, passent souvent inaperçus. Et les non-fumeurs peuvent penser qu’ils ne courent aucun risque, alors qu’un nombre croissant de non-fumeurs se voient diagnostiquer un cancer du poumon. En effet, les Centres de contrôle et de prévention des maladies (CDC) indiquent que 10 à 20% des cancers du poumon surviennent chez des personnes qui n’ont jamais fumé ou qui n’ont fumé que quelques cigarettes au cours de leur vie.

C’est pourquoi le dépistage du cancer du poumon est si important – et le Canada a innové dans ce domaine.

 

Approches actuelles du dépistage du cancer du poumon

Le modèle de prédiction du risque de cancer du poumon de Pan Can, mis au point au Canada, aide à déterminer si une personne doit subir une tomodensitométrie (TDM) pour détecter un cancer du poumon à un stade précoce. Les approches actuelles du dépistage sont basées sur l’âge et les antécédents de tabagisme, mais le modèle Pan Can va plus loin en prenant en compte des variables supplémentaires telles que le sexe, les antécédents familiaux, le niveau d’éducation, l’indice de masse corporelle et les maladies pulmonaires obstructives chroniques.

La recherche suggère que le dépistage du cancer du poumon peut améliorer les résultats, s’il est effectué à un stade précoce. Les résultats de l’essai NELSON – une vaste étude randomisée, basée sur la population, menée en Belgique et aux Pays-Bas – ont démontré la valeur du dépistage par tomodensitométrie à faible dose chez les personnes présentant un risque élevé de développer un cancer du poumon. Dans l’ensemble, l’étude a montré que le scanner réduisait la mortalité de 26% chez les hommes à haut risque et de 61% chez les femmes à haut risque sur une période de 10 ans.

Au Royaume-Uni, l’hôpital Wythenshawe, qui fait partie du Manchester University NHS Foundation Trust, a lancé le programme Lung Health Checks afin d’augmenter le taux de survie au cancer du poumon, en proposant un dépistage rapide et accessible grâce à des tomodensitomètres à faible dose installés dans des unités mobiles. Dans le cadre d’un programme pilote mené en 2016 entre l’hôpital Wythenshawe, le Macmillan Cancer Improvement Partnership et le Manchester Clinical Commissioning, ils ont pu quadrupler les taux de diagnostic du cancer du poumon à un stade précoce. Et huit des dix cancers détectés étaient à un stade suffisamment précoce pour permettre un traitement curatif chez 90% des patients.

À plus grande échelle, la Commission Européenne (CE) a adopté un plan « Vaincre le cancer » visant à améliorer les résultats de la lutte contre le cancer dans l’Union européenne (UE) par la prévention, la détection précoce, l’accès aux traitements et l’amélioration de la qualité de vie. En 2020, 2,7 millions de personnes ont reçu un diagnostic de cancer dans l’UE, et les cas devraient augmenter de 24% d’ici à 2035. Si le cancer du sein et le cancer du col de l’utérus font l’objet d’une grande attention, le cancer du poumon reste le cancer le plus meurtrier en Europe.

Cependant, chaque nation membre de l’UE gère ses propres affaires, il est donc difficile d’harmoniser un programme à travers l’Europe. Dans certains pays, fumer fait partie de la culture, de sorte que le cancer du poumon préoccupe moins les citoyens – et tous les gouvernements n’ont pas l’argent nécessaire pour soutenir un tel programme. La CE est donc confrontée à des obstacles importants pour déployer son plan de manière cohérente dans toute l’Europe.

Les États-Unis, en revanche, disposent d’un programme national spécifique au dépistage du cancer du poumon, et l’USPSTF (U.S. Preventive Services Task Force) recommande un dépistage annuel du cancer du poumon par tomodensitométrie à faible dose pour les personnes à haut risque. La plupart des régimes d’assurance, ainsi que Medicare, contribuent au financement de ces tests aux États-Unis.

En comparaison, il n’existe pas de programme national de dépistage du cancer du poumon au Canada, même si le Groupe d’étude canadien sur les soins de santé préventifs recommande le dépistage du cancer du poumon par trois tomodensitométries annuelles à faible dose pour les personnes à haut risque. Les Canadiens considérés comme à haut risque sont ceux âgés de 55 à 74 ans qui fument, ont arrêté de fumer il y a moins de 15 ans ou ont des antécédents de tabagisme.

 

Défis posés par le modèle de dépistage Lung-RADS

Les cliniciens fondent le dépistage du cancer du poumon sur une série de critères: la taille du nodule, sa densité ou l’apparition d’un nouveau nodule. Mais cette méthode n’est pas infaillible.

Selon le modèle de dépistage Lung-RADS – la meilleure pratique actuelle – il existe quatre catégories principales pour le dépistage du cancer du poumon. Les catégories 1 (négatif) et 2 (probablement bénin) exigent que le patient revienne dans 12 mois. La catégorie 3 (suspicieuse) exige que le patient revienne après six mois. Et la catégorie 4 (très suspecte) exige que le patient revienne dans un à trois mois pour un scanner de suivi et un prélèvement de tissus.

Les critères de dépistage du cancer du poumon sont vraiment ad hoc. Ils font l’objet d’un consensus et d’une réflexion approfondie, mais il n’y a pas de données concrètes indiquant qu’il faut fumer un certain nombre de cigarettes pour être dépisté. Un comité des tumeurs – composé du radiologue, de l’oncologue, du radio-oncologue et du chirurgien – détermine la meilleure voie à suivre pour chaque patient.

Mais il n’existe pas de données réelles montrant que 12 mois est le bon intervalle de suivi, ce qui provoque beaucoup d’anxiété chez les patients. Mais l’intelligence artificielle peut remédier à cet énorme talon d’Achille du dépistage et ces délais peuvent être complètement ajustés avec l’IA, ce qui évite au patient beaucoup d’anxiété et au système de santé énormément d’argent.

 

Entrainement d’algorithmes d’apprentissage profond pour la détection du cancer

Alors que les radiologues utilisent déjà des outils de diagnostic, les systèmes d’IA sont basés sur l’apprentissage profond, qui utilise des données réelles pour déterminer ce qui est ou n’est pas une tumeur. Les données sont basées sur des milliers et des milliers de tomodensitogrammes (de patients avec et sans cancer), de sorte que les machines peuvent « apprendre » à reconnaître un nodule cancéreux. Et plus elles « apprennent », plus elles deviennent précises au fil du temps. Il pourrait s’agir d’un outil important pour aider les radiologues à vérifier leurs résultats ou à repérer quelque chose de si petit qu’il est indétectable par l’œil humain.

« Les limites de la vision humaine font aussi que les radiologues peuvent facilement négliger de minuscules lésions malignes. Jusqu’à 35% des nodules pulmonaires ne sont pas détectés lors du premier dépistage, par exemple. L’utilisation de systèmes d’IA peut être utile dans les deux cas, en déchargeant les spécialistes très occupés d’une partie de la charge et en détectant les taches pulmonaires invisibles à l’œil nu », selon un article paru dans Nature.

Si le dépistage du cancer du poumon peut contribuer à sauver des vies, l’IA peut rendre ce dépistage beaucoup plus efficace. Un algorithme d’apprentissage profond peut être entraîné à lire des radiographies, des IRM et d’autres scanners médicaux, à reconnaître des motifs et à interpréter des images pour établir des diagnostics plus précis et plus détaillés. En fait, il existe de très bonnes preuves que lorsque l’apprentissage profond est appliqué à l’ensemble du poumon à l’aide d’ensembles de données plus importants, il peut mettre en évidence des zones anormales qui pourraient autrement passer inaperçues.

La détection assistée par ordinateur (CADe) permet de détecter un nodule pulmonaire – une tache sur le poumon – qui pourrait être cancéreux, tandis que le diagnostic assisté par ordinateur (CADx) permet de déterminer si ce nodule est bénin ou malin.  Plus l’ensemble de données est diversifié, plus l’algorithme d’apprentissage profond peut détecter les nodules et prédire leur risque.

Des chercheurs d’une étude menée par l’Institut de recherche Terry Fox ont publié un article dans le Lancet journal qui montre comment l’IA pourrait être utilisée dans le dépistage du cancer du poumon. En entraînant un algorithme d’apprentissage profond à l’aide des données anonymes de plus de 25 000 patients, ils ont pu estimer avec précision le risque à trois ans de cancer du poumon et de mortalité associée. Ce résultat a été obtenu grâce à un meilleur calendrier des tests de diagnostic.

« DeepLR reconnaît des motifs dans les changements temporels et spatiaux et la synergie entre les changements dans les caractéristiques des nodules et des non-nodules. Les scores DeepLR pourraient être utilisés pour guider avec précision la gestion clinique après le prochain scanner de dépistage programmé », selon le Lancet Journal.

 

Détecter le cancer grâce à des biopsies liquides basées sur l’IA

Un meilleur dépistage peut sauver des vies, tout en réduisant la charge sur le système de santé. Mais il serait difficile, voire impossible, pour le gouvernement canadien de fournir un dépistage du cancer du poumon à chaque Canadien. Dans de nombreuses régions éloignées, rurales ou nordiques, le scanner le plus proche peut se trouver à des centaines de kilomètres. Et plutôt qu’une couverture canadienne systématique, il n’existe que des poches isolées de financement, comme Action Cancer Ontario ou le CUSM, le CHUM et l’IUCPQ au Québec.

Les biopsies liquides basées sur l’IA pourraient être un outil utile pour déterminer les personnes présentant un risque de cancer du poumon et celles qui doivent faire l’objet d’un dépistage plus poussé. Une biopsie liquide est un test sanguin peu coûteux qui permet de détecter les fragments d’ADN des cellules cancéreuses qui circulent dans le sang. Bien qu’elle soit utile pour différents types de cancer, elle présente un grand potentiel pour le diagnostic du cancer du poumon et facilite grandement le processus de dépistage.

En général, l’examen des mutations et des marqueurs génétiques des cellules du cancer du poumon – afin de déterminer le meilleur plan de traitement – nécessite une biopsie (prélèvement d’un morceau de tissu) et son envoi en pathologie. Les biopsies liquides, quant à elles, impliquent une prise de sang, ce qui est particulièrement utile pour les tumeurs difficiles à atteindre ou lorsque le tissu tumoral est rare. Lorsque l’on accède aux tissus par la poitrine, par exemple, il y a plus de risques de complications telles que des hémorragies dues à un pneumothorax.

Là encore, l’IA pourrait renforcer l’efficacité des biopsies liquides. Des chercheurs du Johns Hopkins Kimmel Cancer Center ont mis au point une technologie d’analyse sanguine basée sur l’IA, appelée DELFI (DNA evaluation of fragments for early interception; Évaluation de fragments d’ADN pour une interception précoce), qui repère des motifs uniques dans la fragmentation de l’ADN des cellules cancéreuses circulant dans le sang. Dans un échantillon de près de 800 personnes, les chercheurs ont pu détecter plus de 90% des cancers du poumon. Cette approche serait bénéfique non seulement pour les personnes à haut risque, mais aussi pour la population générale, y compris les non-fumeurs.

 

Adopter une approche collaborative de l’IA

Mais il y a également une pénurie critique d’ensembles de données complètes et multimodales pour permettre le développement de modèles plus complets qui peuvent améliorer et personnaliser l’approche aux différentes étapes du parcours du patient. Par exemple, déterminer qui pourrait bénéficier d’une biopsie liquide après un scanner peut contribuer à  ajuster les temps d’attente, accélérer le diagnostic et améliorer l’efficacité globale. L’IA peut être entraînée à dépister le cancer du poumon, mais elle a besoin de données, et il n’existe pas de open data lake national au Canada. De plus, la plupart des établissements de santé ne disposent pas de l’infrastructure nécessaire pour développer leurs propres solutions basées sur l’IA ou former des algorithmes d’apprentissage profond.

Une grande partie de ces données sur les soins de santé sont cloisonnées. Une infrastructure plus large est donc nécessaire pour décloisonner ces données, à la fois en interne et en externe. En effet, même si des innovations sont réalisées, elles ne peuvent pas toujours être transposées dans des situations réelles au sein de la communauté au sens large. Les données relatives aux patients et aux établissements de soins de santé suscitent également des inquiétudes quant au respect de la vie privée.

Imagia est le premier et le seul écosystème partagé qui permet aux cliniciens de disposer d’ensembles de données et d’outils de recherche prêts pour l’IA, et de les faire évoluer avec des partenaires industriels dans un cadre collaboratif et multi-institutionnel. Pour garantir une gouvernance stricte des données et la confidentialité des données patients, les modèles d’IA sont entraînés sur des ensembles de données distribués alors que les données restent cryptées. Cela permet d’entraîner l’IA sur des données provenant de plusieurs institutions, hôpitaux et cliniques, sans partager les données des patients.

Alors qu’un diagnostic de cancer du poumon est souvent considéré comme une sentence de mort, les innovations dans le dépistage du cancer du poumon basé sur l’IA et les biopsies liquides sont très prometteuses pour détecter le cancer du poumon à un stade plus précoce et améliorer les taux de survie – tout en aidant le système de santé à contrôler les coûts et à fournir le meilleur niveau possible de soins aux patients.

Related posts

Comment nous avons développé une plateforme de recherche pilotée par l'IA qui exploite les données de santé

Comment nous avons développé une plateforme de recherche pilotée par l'IA qui exploite les données de santé

Il semble évident que la recherche dans le domaine des soins de santé puisse tirer partie de l’utilisation de l’intelligence a

...
En savoir plus
L'IA pourrait améliorer le dépistage du cancer du poumon et contribuer à sauver des vies

L'IA pourrait améliorer le dépistage du cancer du poumon et contribuer à sauver des vies

Le cancer du poumon est le cancer le plus meurtrier au Canada – et dans le monde. Chaque année, le cancer du poumon tue plus de 20 00

...
En savoir plus
En effectuant des calculs sur des données chiffrées, le chiffrement homomorphe permet de préserver la vie privée des patients

En effectuant des calculs sur des données chiffrées, le chiffrement homomorphe permet de préserver la vie privée des patients

L’un des principaux défis de la recherche et du développement dans le domaine de la santé fondés sur l’intelligence artifici

...
En savoir plus