L'informatique cognitive pourrait améliorer le dépistage précoce des cancers de la peau. Grâce à la technologie d'IBM, les chercheurs de l'IBM Research ont pu repérer, après l'analyse de 3000 images, un mélanome avec une précision de 95 % environ, soit bien mieux que les méthodes actuelles, souvent manuelles, dont la précision moyenne ne dépasse pas 75 à 84 %. « Cette technologie permet de traiter des quantités massives de données et elle peut aider le médecin à prendre de bonnes décisions », a déclaré Noel Codella, chercheur spécialisé en analyse multimédia dans le groupe d'informatique cognitive du T.J. Watson Research Center d'IBM basé à Yorktown Heights, New York.

Quand la technologie basée sur l'informatique cognitive sera finalisée, elle permettra d'analyser les images en moins d'une seconde, soit bien plus rapidement que ne peut le faire l'être humain. Cette méthode devrait accroître considérablement l'efficacité des dépistages du cancer de la peau, lesquels touchent près de 5 millions de personnes par an, uniquement aux États-Unis, comme l'a indiqué le ministère américain de la Santé publique. En France, 90 000 nouveaux cas se déclarent tous les ans selon l'Inca (Institut national du cancer) . L'informatique cognitive pourrait être plus performante pour dépister les mélanomes. D'autant que les algorithmes d'apprentissage machine améliorent en permanence la capacité du système à identifier la maladie. Et, au fil du temps, elle pourrait même permettre d'identifier des cancers trop difficiles à voir par le médecin.

Accélérer les dépistages précoses

Comme pour tout type de cancer, un dépistage précoce du cancer de la peau assure une meilleure prise en charge du malade. Un système de dépistage basé sur l'informatique cognitive pourrait permettre de pointer des zones suspectes avant qu'elles ne soient visibles par l'oeil humain. L'approche d'IBM prend aussi en compte différents types de tests. Par exemple, rechercher des distributions de couleurs ou des motifs de texture inhabituels sur la peau. Ou encore, identifier la progression rapide de lésions, ou mettre en évidence des écarts par rapport à la croissance normale ou au reste du corps, ou les comparer à d'autres individus ayant des caractéristiques génétiques et démographiques similaires. Le système pourrait apprécier les résultats de chaque test. « La méthode n'est pas exclusive. Elle est basée sur des d'approches différentes, des comparaisons, et elle cherche les combinaisons qui fonctionnent le mieux », a expliqué Noel Codella.

leblal

Quand on connait l'importance d'un dépistage précoce pour le traitement des mélanomes, on ne peut qu'applaudir l'arrivée de solutions de ce type.

Ce travail s'appuie également sur des recherches qui sortent du champ des technologies d'apprentissage machine, notamment des technologies de reconnaissance d'objets dans les images. C'est le cas de diverses technologies de pointe d'IBM, y compris l'architecture d'apprentissage machine orientée image, appelée IBM Multimedia and Analytics System. Ou encore le système d'analyse d'images médicales d'IBM, appelé Medical Sieve, et un système de reconnaissance et de recherche visuelle appelé Intelligent Video Analytics. IBM Research va poursuivre sa collaboration avec le Memorial Sloan Kettering Cancer Center pour développer d'autres systèmes de mesure, d'autres approches, et améliorer l'exploitation des grands ensembles de données afin d'affiner encore plus le diagnostic.