Avec le projet européen PRE-ACT, l’HEPIA développe des modèles d’intelligence artificielle pour prédire le risque d’effets secondaires de la radiothérapie du cancer du sein.
Une femme sur huit sera touchée par un cancer du sein dans sa vie en Suisse comme en Europe, selon les statistiques de l’Organe national d'enregistrement du cancer (ONEC). Pour lutter contre cette maladie, différentes solutions peuvent être proposées, dont la radiothérapie. Or, ce traitement n’est pas sans effets secondaires. Il peut notamment engendrer un lymphoedème, soit un gonflement douloureux du bras, particulièrement pesant sur la qualité de vie. Son taux d’incidence oscille entre 15 et 28 % selon la Ligue suisse contre le cancer.
Le projet européen PRE-ACT ambitionne de mobiliser l’intelligence artificielle pour évaluer les probabilités de développer un lymphoedème chez les patientes traitées par radiothérapie. Pour mener cette étude clinique de type 3, le stade le plus poussé de la recherche médicale, le projet réunit un consortium de hautes écoles, d’universités et de partenaires professionnels du secteur de six pays – Grèce, France, Royaume-Uni, Italie, Pays-Bas et Suisse.
Guido Bologna, professeur HES associé à la Haute école du paysage, d’ingénierie et d'architecture de Genève (HEPIA), est responsable de la partie IA du projet. «Nous utilisons les données de plus de 4’000 patientes, récoltées au Royaume-Uni et en France afin d’entraîner nos modèles de machine learning, explique-t-il. Le modèle peut ensuite prédire, selon tel ou tel facteur de risques de la patiente, sa probabilité de développer un lymphoedème.»
Extrait de la vidéo explicative du projet sur le site PRE-ACT © PRE-ACT
Âge, poids, mode de vie: l’ensemble des variables cliniques et les traitements qui influencent la santé d’une personne sont répertoriés. «Notre modèle d’intelligence artificielle croise ensuite toutes les données et les combinaisons possibles afin d’établir des estimations de risques», précise Guido Bologna.
Le modèle IA se base sur un réseau de neurones artificiels, un système informatique inspiré du fonctionnement du cerveau. Il se compose d’unités de calcul interconnectées, qui repèrent de manière autonome les informations importantes dans les données, ajoute le professeur du groupe de recherche Data sciences, interactive systems and artificial intelligence (DASIA) de l’HEPIA.
«Puisqu’il raisonne selon des données définies, le modèle permet aussi de retracer le schéma de décision qui l’a conduit à tel ou tel résultat, explique Guido Bologna. Cette transparence améliore l’explicabilité de la décision. Au final, médecins et patientes peuvent chacun prendre des décisions plus informées.»
Aujourd’hui, les patientes à risque de lymphoedème se voient prescrire une gaine de contention pour le bras touché, qui exerce une compression du poignet à l’épaule. Une solution efficace mais inconfortable, selon le professeur. «C’est pourquoi nos modèles permettent de mieux cibler et d’éviter cette pénibilité pour les patientes qui n’en ont pas besoin.» La décision finale reste néanmoins prise par les médecins.
«J’ai toujours aimé travailler dans ces contextes mixtes, où s’allient les médecins, les biologistes et les informaticien·ne·s, dit le professeur de l’institut d’ingénierie industrielle et informatique (inTECH). Les données médicales sont extrêmement intéressantes à étudier, et le potentiel de développement de l’IA reste inexploité.»
Le projet, lancé en 2022, atteint sa phase finale d’essais sur les humains et devrait se terminer en 2027. Des patientes ont été sélectionnées dans les hôpitaux anglais, français et néerlandais afin de tester cette méthode de prédiction d’effets secondaires et à terme, de valider ou non le modèle.
L’étude étend aujourd’hui son modèle au cancer de la prostate, dont le traitement peut provoquer des incontinences urinaires. «À terme, le modèle de machine learning pour prédire les risques d’effets secondaires pourrait être développé pour d’autres pathologies, voire être utilisé pour établir des pronostics et aider à la prise de décision médicale», prédit le professeur.
Image vignette: Extrait du site PRE-ACT © PRE-ACT
