{"id":328592,"date":"2021-07-07T01:00:00","date_gmt":"2021-07-06T23:00:00","guid":{"rendered":"https:\/\/medizinonline.com\/nouvelle-etude-sur-la-detection-du-carcinome-basocellulaire-assistee-par-ia\/"},"modified":"2021-07-07T01:00:00","modified_gmt":"2021-07-06T23:00:00","slug":"nouvelle-etude-sur-la-detection-du-carcinome-basocellulaire-assistee-par-ia","status":"publish","type":"post","link":"https:\/\/medizinonline.com\/fr\/nouvelle-etude-sur-la-detection-du-carcinome-basocellulaire-assistee-par-ia\/","title":{"rendered":"Nouvelle \u00e9tude sur la d\u00e9tection du carcinome basocellulaire assist\u00e9e par IA"},"content":{"rendered":"

Les syst\u00e8mes de diagnostic utilisant l’intelligence artificielle sont capables de classer rapidement et avec pr\u00e9cision les l\u00e9sions cutan\u00e9es suspectes et offrent un grand potentiel d’am\u00e9lioration de la pr\u00e9cision du diagnostic. C’est ce que montre \u00e9galement une nouvelle \u00e9tude dans laquelle un r\u00e9seau neuronal artificiel a \u00e9t\u00e9 impl\u00e9ment\u00e9 avec succ\u00e8s pour la d\u00e9tection des carcinomes basocellulaires.<\/strong><\/p>\n

<\/p>\n

L’intelligence artificielle (IA) joue un r\u00f4le de plus en plus important dans la m\u00e9decine de pr\u00e9cision et peut contribuer \u00e0 optimiser l’utilisation des ressources [1]. Les applications d’IA sont tr\u00e8s d\u00e9velopp\u00e9es dans le domaine de la reconnaissance des formes visuelles, ce qui constitue un domaine d’application int\u00e9ressant pour la dermatologie et notamment pour le d\u00e9pistage du cancer de la peau. Le carcinome basocellulaire (CBC, Fig. 1)<\/span> repr\u00e9sente environ 65% de tous les cas de cancer de la peau blanche en Europe centrale et est donc la tumeur cutan\u00e9e la plus fr\u00e9quente chez les patients immunocomp\u00e9tents [2]. BCC est qualifi\u00e9 de maligne ou semi-maligne dans la litt\u00e9rature sp\u00e9cialis\u00e9e. Dans la plupart des cas, il s’agit de tumeurs cutan\u00e9es non m\u00e9tastatiques, mais qui s’infiltrent et se d\u00e9truisent localement. Dans le cadre de la r\u00e9union annuelle 2021 de l’ADF, une \u00e9tude de “preuve de concept” a \u00e9t\u00e9 pr\u00e9sent\u00e9e, montrant comment l’apprentissage profond peut \u00eatre utilis\u00e9 pour l’analyse d’images m\u00e9dicales dans le domaine du d\u00e9pistage du cancer de la peau [3,4]. Un r\u00e9seau neuronal artificiel a \u00e9t\u00e9 mis en place pour pr\u00e9dire avec un haut degr\u00e9 de sp\u00e9cificit\u00e9 et de sensibilit\u00e9 si les pr\u00e9parations de peau contenaient ou non des l\u00e9sions canc\u00e9reuses, sur la base d’images histologiques num\u00e9ris\u00e9es. Les r\u00e9sultats de l’\u00e9tude ont \u00e9t\u00e9 publi\u00e9s dans la revue Modern Pathology 2021<\/em> [4].<\/p>\n

 <\/p>\n

\"\"<\/p>\n

Analyse d’images m\u00e9dicales par deep learning<\/h2>\n

L’\u00e9valuation histologique des biopsies cutan\u00e9es fait partie du quotidien des dermatologues et c’est un domaine d’application qui se pr\u00eate bien au pr\u00e9-screening automatis\u00e9 assist\u00e9 par IA pour l’identification des modifications canc\u00e9reuses et la classification rapide des tumeurs. Le principe de base des applications d’apprentissage profond dans le domaine de l’analyse d’images m\u00e9dicales est qu’un r\u00e9seau neuronal artificiel, qui utilise des algorithmes et des mod\u00e8les statistiques complexes pour s\u00e9lectionner les combinaisons de caract\u00e9ristiques ayant la meilleure valeur diagnostique, est entra\u00een\u00e9 avec un grand nombre de donn\u00e9es d’images et les classifications correctes, et am\u00e9liore en permanence sa capacit\u00e9 \u00e0 distinguer les diff\u00e9rentes expressions de caract\u00e9ristiques [5]. Chaque “neurone” d’un r\u00e9seau neuronal repr\u00e9sente une op\u00e9ration math\u00e9matique. Cette m\u00e9thode permet d’examiner des lames num\u00e9ris\u00e9es \u00e0 la recherche de caract\u00e9ristiques pathologiques gr\u00e2ce \u00e0 une analyse automatis\u00e9e des images. Dans l’\u00e9tude de Kimeswenger et al. [3,4], le r\u00e9seau neuronal artificiel a \u00e9t\u00e9 entra\u00een\u00e9 \u00e0 reconna\u00eetre des tumeurs \u00e0 l’aide de lames enti\u00e8rement num\u00e9ris\u00e9es de pr\u00e9parations de tumeurs BCC (n=820 lames) (aper\u00e7u 1) <\/span>. <\/p>\n

 <\/p>\n

\"\"<\/p>\n

 <\/p>\n

Haute pr\u00e9cision diagnostique et sp\u00e9cificit\u00e9<\/h2>\n

Il s’est av\u00e9r\u00e9 que le r\u00e9seau neuronal \u00e9tait capable d’identifier des r\u00e9gions tumorales BCC avec une grande pr\u00e9cision sur les images de coupes histologiques (AUC 0,993, IC \u00e0 95% : 0,990-0,995 ; sensibilit\u00e9 : 0,965, IC \u00e0 95% : 0,951-0,979 ; sp\u00e9cificit\u00e9 : 0,910, IC \u00e0 95% : 0,859-0,960). Le calcul automatique d’une matrice pond\u00e9r\u00e9e a servi de base \u00e0 la pr\u00e9diction des r\u00e9gions tumorales des images histologiques. Les chercheurs ont \u00e9galement constat\u00e9 que les algorithmes d’apprentissage automatique \u00e9taient bas\u00e9s sur des mod\u00e8les de reconnaissance d’identification des tumeurs significativement diff\u00e9rents de ceux des experts en pathologie. C’est ce qui ressort d’une comparaison entre les “r\u00e9gions d’int\u00e9r\u00eat” (ROI) utilis\u00e9es par le r\u00e9seau neuronal, c’est-\u00e0-dire les r\u00e9gions de l’image consid\u00e9r\u00e9es comme pertinentes pour trouver des tumeurs, et les ROI des experts en pathologie, ce qui a \u00e9t\u00e9 relev\u00e9 par eye-tracking (aper\u00e7u 2) <\/span>. <\/p>\n

 <\/p>\n

\"\"<\/p>\n

 <\/p>\n

En r\u00e9sum\u00e9, cette \u00e9tude a montr\u00e9 qu’un r\u00e9seau neuronal artificiel peut \u00eatre utilis\u00e9 efficacement pour d\u00e9tecter les carcinomes basocellulaires \u00e0 partir d’images num\u00e9ris\u00e9es de coupes histologiques. Il s’agit d’une nouvelle confirmation que les m\u00e9thodes d’apprentissage automatique ont le potentiel d’am\u00e9liorer la pr\u00e9cision du diagnostic dans le domaine de la pathologie num\u00e9rique et de d\u00e9couvrir des sch\u00e9mas de classification jusqu’alors inconnus. Outre le diagnostic des l\u00e9sions cutan\u00e9es non m\u00e9lanocytaires, les applications d’IA peuvent \u00e9galement \u00eatre utilis\u00e9es pour la d\u00e9tection des m\u00e9lanomes malins (encadr\u00e9).<\/span><\/p>\n

 <\/p>\n

\"\"<\/p>\n

 <\/p>\n

\nCongr\u00e8s : Groupe de travail sur la recherche dermatologique 2021<\/em><\/p>\n

 <\/p>\n

Litt\u00e9rature :<\/p>\n

    \n
  1. Schaaf N : Neuronale Netze : Ein Blick in die Black Box, 14 janvier 2020, www.informatik-aktuell.de, (derni\u00e8re consultation 14.05.2021)<\/li>\n
  2. Teske S, Beise U : Hauttumoren, derni\u00e8re mise \u00e0 jour : 02\/2021, www.medix.ch (derni\u00e8re consultation 14.05.2021)<\/li>\n
  3. Kimeswenger S, et al : Artificial neural networks and pathologists recognize basal cell carcinoma based on different histological patterns. P063, Translational Research ADF Dermatology Awards, r\u00e9union annuelle de l’ADF 6.3.2021<\/li>\n
  4. Kimeswenger S, et al : Mod Pathol 2021 ; 34 : 895-903.<\/li>\n
  5. Jutzi TB, Brinker TJ : Dtsch Arztebl 2020 ; 117(24).<\/li>\n
  6. Centre allemand de recherche sur le cancer, www.dkfz.de\/de\/digitale-biomarker (derni\u00e8re consultation 14.05.2021)<\/li>\n
  7. Cerci, FB, et al : An Bras Dermatol [online] 2020 ; 95 (5) : 594-601.<\/li>\n<\/ol>\n

     <\/p>\n

    DERMATOLOGIE PRAXIS 2021 ; 31(3) : 32-33 (publi\u00e9 le 1.6.21, ahead of print)<\/em><\/p>\n","protected":false},"excerpt":{"rendered":"

    Les syst\u00e8mes de diagnostic utilisant l’intelligence artificielle sont capables de classer rapidement et avec pr\u00e9cision les l\u00e9sions cutan\u00e9es suspectes et offrent un grand potentiel d’am\u00e9lioration de la pr\u00e9cision du diagnostic.…<\/p>\n","protected":false},"author":7,"featured_media":108463,"comment_status":"closed","ping_status":"","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"pmpro_default_level":"","cat_1_feature_home_top":false,"cat_2_editor_pick":false,"csco_eyebrow_text":"Diagnostic du cancer de la peau ","footnotes":""},"category":[11362,11527,11389,11482,11535,11549],"tags":[14593,20034,20032],"powerkit_post_featured":[],"class_list":["post-328592","post","type-post","status-publish","format-standard","has-post-thumbnail","category-dermatologie-et-venerologie","category-etudes","category-oncologie","category-prevention-et-soins-de-sante","category-rapports-de-congres","category-rx-fr","tag-carcinome-basocellulaire-fr","tag-diagnostic-du-cancer-de-la-peau","tag-tumeur-de-la-peau","pmpro-has-access"],"acf":[],"publishpress_future_action":{"enabled":false,"date":"2026-04-19 08:29:40","action":"change-status","newStatus":"draft","terms":[],"taxonomy":"category","extraData":[]},"publishpress_future_workflow_manual_trigger":{"enabledWorkflows":[]},"wpml_current_locale":"fr_FR","wpml_translations":{"it_IT":{"locale":"it_IT","id":328601,"slug":"nuovo-studio-sul-rilevamento-assistito-dallai-del-carcinoma-basocellulare","post_title":"Nuovo studio sul rilevamento assistito dall'AI del carcinoma basocellulare","href":"https:\/\/medizinonline.com\/it\/nuovo-studio-sul-rilevamento-assistito-dallai-del-carcinoma-basocellulare\/"},"pt_PT":{"locale":"pt_PT","id":328609,"slug":"novo-estudo-sobre-a-deteccao-de-carcinoma-basocelular-assistido-por-ia","post_title":"Novo estudo sobre a detec\u00e7\u00e3o de carcinoma basocelular assistido por IA","href":"https:\/\/medizinonline.com\/pt-pt\/novo-estudo-sobre-a-deteccao-de-carcinoma-basocelular-assistido-por-ia\/"},"es_ES":{"locale":"es_ES","id":328611,"slug":"nuevo-estudio-sobre-la-deteccion-asistida-por-ia-del-carcinoma-basocelular","post_title":"Nuevo estudio sobre la detecci\u00f3n asistida por IA del carcinoma basocelular","href":"https:\/\/medizinonline.com\/es\/nuevo-estudio-sobre-la-deteccion-asistida-por-ia-del-carcinoma-basocelular\/"}},"_links":{"self":[{"href":"https:\/\/medizinonline.com\/fr\/wp-json\/wp\/v2\/posts\/328592","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/medizinonline.com\/fr\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/medizinonline.com\/fr\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/medizinonline.com\/fr\/wp-json\/wp\/v2\/users\/7"}],"replies":[{"embeddable":true,"href":"https:\/\/medizinonline.com\/fr\/wp-json\/wp\/v2\/comments?post=328592"}],"version-history":[{"count":0,"href":"https:\/\/medizinonline.com\/fr\/wp-json\/wp\/v2\/posts\/328592\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/medizinonline.com\/fr\/wp-json\/wp\/v2\/media\/108463"}],"wp:attachment":[{"href":"https:\/\/medizinonline.com\/fr\/wp-json\/wp\/v2\/media?parent=328592"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/medizinonline.com\/fr\/wp-json\/wp\/v2\/category?post=328592"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/medizinonline.com\/fr\/wp-json\/wp\/v2\/tags?post=328592"},{"taxonomy":"powerkit_post_featured","embeddable":true,"href":"https:\/\/medizinonline.com\/fr\/wp-json\/wp\/v2\/powerkit_post_featured?post=328592"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}