Dans le cas de cancers, les prédictions cliniques pourraient être améliorées grâce à des modèles d’intelligence artificielle. Loïc Verlingue, chercheur et médecin au Centre Léon Bérard, ainsi que son équipe nous parlent du projet SMAD-CC (pour SMArt Data for improved machine learning in Cancer Care) : ils travaillent sur les données intelligentes dans le but d’améliorer l’apprentissage automatique en cancérologie.
L’équipe de SMAD-CC est installée dans une petite maison de ville attenante au Centre Léon Bérard à Lyon. Loïc Verlingue, Dounya Bourhani et Paul Minchella se sont prêté.es au jeu du questions/réponses dans une ambiance décontractée.
Est-ce que vous pouvez nous parler du projet en quelques mots ?
Paul Michella : « Notre problématique consiste à intégrer des multi-données dans nos modèles pour aider à améliorer nos objectifs cliniques. Peut-on améliorer la qualité de vie des patients en adaptant les traitements grâce aux outils d’intelligence artificielle ?
Loïc Verlingue : « L’objectif du projet est de montrer qu’en utilisant plus de données de diverses natures, on améliore les prédictions cliniques à partir de modèles d’intelligence artificielle. Les différents types de données sont entre-autres :
- textuelles (narratives) donc les comptes rendus de consultation que les soignants génèrent.
- structurées qui peuvent être soit cliniques (des informations cliniques structurées) soit biologiques (des prises de sang, par exemple) ;
- moléculaires sur des biopsies et sur le plasma issu du séquençage des cancers de nos patients (données spécifiques à l’oncologie) ;
- d’imageries comme les scanners ou les lames anatomopathologiques, ce qui est abordé par d’autres projets du Centre Léon Bérard.
On a une belle base de données moléculaires, avec à peu près 6000 patients qui ont été séquencés dans l’essai ProfilLER, c’est un essai du Centre Léon Bérard. Mais par rapport aux 140 000 patients dont on a les données textuelles, on se rend compte qu’il y a un différentiel.
