Le nom Sybil trouve ses origines dans les oracles de la Grèce antique, également connus sous le nom de Sibylles : des figures féminines sur lesquelles on s’appuie pour transmettre la connaissance divine de l’invisible, du passé, du Tout-Puissant, du présent et du futur. Maintenant, le nom a été extrait depuis l’Antiquité et donné à un outil d’intelligence artificielle pour l’évaluation des risques de cancer du poumon développé par des chercheurs de la clinique d’apprentissage automatique Abdul Latif Jameel du MIT en santé, du General Comprehensive Cancer Center (MGCC) et du Chang Gung Memorial Hospital. . (CGMH).
Le cancer du poumon est le cancer le plus meurtrier au monde, tuant 1,7 million de personnes dans le monde en 2020, tuant plus de personnes que les trois cancers les plus meurtriers combinés.
“C’est le plus grand tueur de cancer car il est relativement courant et relativement difficile à traiter, surtout une fois qu’il a atteint un stade avancé”, déclare Florian Ventelmann, MD, radiologue interventionnel thoracique au MGCC et co-auteur du nouveau travail. . “Dans ce cas, il est important de savoir que si vous détectez un cancer du poumon tôt, le résultat à long terme est bien meilleur. Le taux de survie à cinq ans est proche de 70 %, alors que si vous le détectez à un stade avancé, le le taux de survie à deux ans est de cinq ans, c’est un peu moins de 10 %. »
Bien qu’il y ait eu une augmentation des nouvelles thérapies introduites pour lutter contre le cancer du poumon ces dernières années, la majorité des patients atteints d’un cancer du poumon souffrent toujours de cette maladie. La tomodensitométrie pulmonaire à faible dose (LDCT) est actuellement le moyen le plus courant de dépister le cancer du poumon chez les patients dans l’espoir de le détecter à un stade précoce, lorsqu’il peut encore être enlevé chirurgicalement. Sybil va encore plus loin dans le dépistage en analysant les données d’image LDCT sans l’aide d’un radiologue pour prédire le risque futur d’un patient de développer un cancer du poumon dans les six ans.
Dans leur nouvel article publié dans Journal d’oncologie cliniqueDes chercheurs de la Jameel Clinic, du MGCC et du CGMH ont montré que Sybil avait obtenu des indices C de 0,75, 0,81 et 0,80 sur six ans à partir de divers ensembles de scanners pulmonaires LDCT tirés du National Lung Cancer Screening Trial (NLST), un essai public complet. Hôpital (MGH) et CGMH, respectivement – Les modèles obtenant un score d’indice C supérieur à 0,7 sont considérés comme bons et supérieurs à 0,8 sont considérés comme forts. Les ROC-AUC pour la prédiction sur 1 an utilisant Sybil ont obtenu des scores plus élevés, allant de 0,86 à 0,94, 1,00 étant le score le plus élevé possible.
Bien que réussie, la nature 3D d’une tomodensitométrie pulmonaire a fait de Sybil un défi à construire. Le co-auteur Peter Michael, étudiant au doctorat du MIT en génie électrique et en informatique affilié à la Jameel Clinic et au Laboratoire d’informatique et d’intelligence artificielle du MIT (CSAIL), a comparé le processus à “essayer de trouver une aiguille dans une botte de foin”. Les données d’imagerie utilisées pour former Sybil étaient en grande partie absentes de tout signe de cancer, car le cancer du poumon à un stade précoce occupe de petites parties du poumon – juste une fraction des centaines de milliers de pixels qui composent chaque tomodensitométrie. Les parties les plus denses du tissu pulmonaire sont connues sous le nom de nodules pulmonaires, et bien qu’elles puissent être cancéreuses, la plupart ne le sont pas et peuvent provenir d’infections cicatrisées ou d’irritants aéroportés.
Pour s’assurer que Sybil sera en mesure d’évaluer avec précision le risque de cancer, Fintelmann et son équipe ont étiqueté des centaines de tomodensitogrammes avec des tumeurs cancéreuses visibles qui peuvent être utilisées pour former Sybil avant de tester le modèle sur un tomodensitogramme sans signes visibles de cancer.
Jeremy Wolfend, étudiant au doctorat en génie électrique et en informatique du MIT, co-auteur de l’article et Jameel Clinic et filiale de CSAIL, a été surpris par la hauteur des scores de Sybil malgré l’absence de cancer visible. “Nous avons constaté que même si nous[en tant qu’humains]ne pouvons pas tout à fait déterminer où se trouve le cancer, le modèle peut toujours avoir un certain pouvoir prédictif sur le poumon qui développera éventuellement un cancer”, se souvient-il. “Savoir (Sybil) a pu mettre en évidence l’aspect le plus probable était vraiment intéressant pour nous.”
La co-auteure Lecia V. Sequist, oncologue médicale, experte en cancer du poumon et directrice du Centre d’innovation dans la détection précoce du cancer à l’HGM, affirme que les résultats obtenus par l’équipe avec Sybil sont significatifs “parce que le dépistage du cancer du poumon n’a pas encore été lancé à son plein potentiel aux États-Unis ou dans le monde entier, et Sybil pourra peut-être nous aider à combler cet écart.
Les programmes de dépistage du cancer du poumon sont sous-développés dans les régions des États-Unis les plus durement touchées par le cancer du poumon en raison de divers facteurs. Ceux-ci vont de la stigmatisation contre les fumeurs à des facteurs politiques et liés aux politiques tels que l’expansion de Medicaid, qui varient d’un État à l’autre.
En outre, de nombreux patients diagnostiqués avec un cancer du poumon aujourd’hui n’ont jamais fumé ou sont d’anciens fumeurs qui ont arrêté il y a plus de 15 ans, des caractéristiques qui rendent les deux groupes inéligibles au dépistage par tomodensitométrie du cancer du poumon aux États-Unis. .
“Nos données de formation ne concernaient que les fumeurs, car il s’agissait d’un critère nécessaire pour l’inscription au NLST”, explique Mikhail. “A Taïwan, ils sélectionnent les non-fumeurs, donc nos données de dépistage devraient contenir des personnes qui n’ont pas fumé, et c’était excitant de voir Sybil se généraliser si bien à cette population.”
“Une prochaine étape passionnante de la recherche consisterait à tester prospectivement Sybil chez des personnes à haut risque de cancer du poumon qui ne fument pas ou qui ont arrêté de fumer depuis des décennies”, déclare Sikeste. “Je traite des patients comme ça tous les jours dans ma clinique du cancer du poumon et il est difficile de comprendre qu’ils n’étaient pas candidats au dépistage. Peut-être que cela changera à l’avenir.”
Il y a un nombre croissant de patients atteints d’un cancer du poumon classés comme non-fumeurs. Les femmes non-fumeuses sont plus susceptibles de développer un cancer du poumon que les non-fumeuses. À l’échelle mondiale, plus de 50 % des femmes atteintes d’un cancer du poumon ne fument pas, contre 15 à 20 % des hommes.
La professeure du MIT Regina Barzilai, auteur de l’article et présidente du corps professoral de la Jameel AI Clinic, qui est également membre du Koch Institute for Integrative Cancer Research, attribue les efforts du MIT et du MGH à Sylvia, la sœur d’un ami proche du MIT. Barzilay et l’un des patients de Sequist. Barzilay se souvient : “Sylvia était une jeune femme en bonne santé et sportive – elle n’avait jamais fumé. Lorsqu’elle a commencé à tousser, ni ses médecins ni sa famille n’ont d’abord soupçonné qu’il pourrait s’agir d’un cancer du poumon. Lorsque Sylvia a finalement été diagnostiquée et a rencontré le Dr Siquest, la maladie était si avancée qu’il ne peut pas se remettre sur les rails. En pleurant la mort de Sylvia, nous ne pouvions pas arrêter de penser au nombre d’autres patients ayant des trajectoires similaires.
Ce travail a été soutenu par Project Bridge, un partenariat entre le Koch Institute du MIT et le Dana-Farber/Harvard Cancer Center. clinique du MIT ; L’ordinateur Quanta résiste au cancer ; le Centre d’innovation en détection précoce du cancer de l’HGM ; les familles Bralower et Landry; Cancer du poumon. et le Eric and Wendy Schmidt Center du Broad Institute du MIT et de l’Université de Harvard. Le Linkou CGMH Cancer Center de Chang Gung Medical Corporation a fourni une assistance à la collecte de données et R. Yang et J. Song et leur équipe (Quanta Computer Inc.) ont fourni un soutien technique et informatique pour l’analyse de l’ensemble de données CGMH. Les auteurs remercient le National Cancer Institute pour l’accès aux données du NCI recueillies par le National Lung Screening Trial, ainsi que les patients qui ont participé à l’essai.
(tagsT toTranslate) Cancer du poumon