dermato robot

Dermatos less effective than robots at spotting skin cancer

Start
Artificial intelligence has managed to be better than experienced dermatologists at spotting skin cancers in a series of photos, a team of researchers announced on May 28. The machine is effective in 95 % cases, better than the performance of human doctors.
 
Une équipe germano-franco-américaine a entraîné un système d’intelligence artificielle à distinguer des lésions de la peau et grains de beauté selon qu’ils étaient bénins ou alarmants, en lui montrant plus de 100.000 images. Puis les performances de la machine (un réseau neuronal convolutif d’apprentissage profond, CNN dans le jargon des ingénieurs) ont été comparées à celles de 58 médecins spécialistes, venus de 17 pays.
 
Un CNN est un réseau neuronal artificiel inspiré par les processus biologiques à l’œuvre lorsque les cellules nerveuses (neurones) du cerveau sont connectées les unes aux autres et répondent à ce que l’œil voit. Le CNN est capable d’apprendre rapidement à partir d’images qu’il « voit » et de s’enseigner à partir de ce qu’il a appris pour améliorer ses performances (un processus connu sous le nom d’apprentissage machine).
Le premier auteur de l’étude, le professeur Holger Haenssle, médecin-chef du Département de dermatologie de l’Université de Heidelberg, en Allemagne, a expliqué : « Le CNN fonctionne comme le cerveau d’un enfant ». Pour le former, les scientifiques ont montré au CNN plus de 100 000 images de cancers cutanés malins et bénins et de grains de beauté et indiqué le diagnostic pour chaque image. Seules des images dermoscopiques ont été utilisées, c’est-à-dire des lésions qui ont été représentées à un grossissement de 10 fois. Avec chaque image d’entraînement, le CNN a amélioré sa capacité à différencier les lésions bénignes et malignes. 
 
Des dermatologues du monde entier ont été invités à y participer, et 58 dermatologues de 17 pays ont accepté. On a demandé aux dermatologues de faire d’abord un diagnostic de mélanome malin ou de taupe bénigne à partir des images dermoscopiques (niveau I) et de prendre une décision sur la façon de gérer l’affection (chirurgie, suivi à court terme ou aucune action nécessaire). Puis, quatre semaines plus tard, ils ont reçu des informations cliniques sur le patient (y compris l’âge, le sexe et la position de la lésion) et des images en gros plan des 100 mêmes cas (niveau II) et ont demandé à nouveau des diagnostics et des décisions de prise en charge.
 
La plupart des dermatologues ont fait moins bien que l’ordinateur », écrivent les chercheurs dans le compte-rendu de leurs travaux publiés dans la principale revue sur le cancer Annals of Oncology. Avec une simple photo de 100 cas jugés compliqués, les médecins ont correctement identifié 87% en moyenne des mélanomes qui leur étaient présentés. Quand ils obtenaient des images en plus gros plan, et des renseignements plus détaillés (âge et sexe du patient, position de la lésion cutanée), ce taux montait à 89%.
Mais la machine a fait mieux, avec 95% de mélanomes détectés à partir de la première série de photos.
 
L’ordinateur non seulement « a manqué moins de mélanomes », mais a aussi « fait moins d’erreurs de diagnostic consistant à voir des mélanomes dans des grains de beauté bénins », ce qui « aboutirait à moins d’opérations inutiles », a souligné dans un statement publié par l’European Society For Medical Oncology, le professeur de médecine Holger Hänssle, de l’université de Heildelberg en Allemagne.
 
Pour les chercheurs, la question n’est pas de se passer des médecins au profit de l’intelligence artificielle, mais de faire d’elle « un outil supplémentaire ». « Aujourd’hui rien ne remplace un examen clinique approfondi », ont rappelé deux professeurs australiens en dermatologie, Victoria Mar et Peter Soyer, dans un commentaire publié avec l’étude.
Ce CNN peut servir aux médecins impliqués dans le dépistage du cancer de la peau pour les aider à prendre la décision de faire ou non une biopsie d’une lésion. La plupart des dermatologues utilisent déjà des systèmes de dermoscopie numérique pour l’imagerie et le stockage des lésions à des fins de documentation et de suivi. Le CNN peut alors facilement et rapidement évaluer l’image stockée pour une  » opinion d’expert  » sur la probabilité de mélanome.
 
D’après le Centre international de recherche sur le cancer, agence de l’Organisation mondiale de la santé, chaque année 232.000 cas de mélanome malin sont déclarés, et 55.000 personnes en meurent.
Ce type de cancer « peut être soigné s’il est détecté de manière précoce, mais de nombreux cas ne sont diagnostiqués que quand le cancer est plus avancé et difficile à traiter », ont souligné les chercheurs.
 
Sources : AFP, European Society For Medical Oncology
 

Anything to add? Say it as a comment.

 

0 Comments
Inline Feedbacks
View all comments
AI and humans
Previous article

What will be the relationship between human and artificial intelligence?

artificial intelligence
Next article

AI, at the service of the augmented company

Latest articles in Artificial Intelligence

JOIN

THE CIRCLE OF THOSE WHO WANT TO UNDERSTAND OUR TIME OF TRANSITION, LOOK AT THE WORLD WITH OPEN EYES AND ACT.
logo-UP-menu150

Already registered? I'm connecting

Inscrivez-vous et lisez three articles for free. Recevez aussi notre newsletter pour être informé des dernières infos publiées.

→ Register for free to continue reading.

JOIN

THE CIRCLE OF THOSE WHO WANT TO UNDERSTAND OUR TIME OF TRANSITION, LOOK AT THE WORLD WITH OPEN EYES AND ACT

You have received 3 free articles to discover UP'.

Enjoy unlimited access to our content!

From $1.99 per week only.
Share
Tweet
Share
WhatsApp
Email
Print