1 juin 2025
Le cancer du sein est aujourd’hui le cancer le plus fréquent dans le monde, et l’un des plus meurtriers. Pour poser un diagnostic précis et choisir le bon traitement, les médecins doivent analyser des échantillons de tissus prélevés par biopsie. Ces tissus sont colorés, puis observés au microscope. C’est un processus complexe, qui demande du temps et l’œil expérimenté d’un spécialiste, appelé pathologiste.
Pour accélérer cette étape cruciale, une équipe de chercheurs de l’ÉTS (École de technologie supérieure) et du CNRS, en collaboration avec deux professeurs de l’Université Paris-Saclay (CentraleSupélec), travaille sur un outil basé sur l’intelligence artificielle (IA). Leur but : automatiser une partie de l’analyse des images de tissus pour soutenir le travail des pathologistes.
Une IA capable d’apprendre à reconnaître les tissus
L’IA, et plus précisément l’apprentissage profond, est déjà utilisée dans plusieurs domaines de la médecine. Mais pour bien fonctionner, ces systèmes ont besoin de grandes quantités d’images déjà analysées et annotées par des experts – ce qui prend beaucoup de temps et coûte cher.
De plus, les images de tissus varient beaucoup selon les hôpitaux, les conditions dans lesquelles elles sont prises, ou encore la manière dont elles sont colorées. Ces différences peuvent induire l’algorithme en erreur.
Pour contourner ces problèmes, les chercheurs misent sur ce qu’on appelle un modèle de fondation – une IA entraînée à repérer des motifs communs dans un grand nombre d’images variées. Une fois bien entraîné, ce modèle pourra être adapté à de nouvelles tâches avec très peu d’images : parfois une seule image annotée suffira.
Autre innovation : au lieu de simplement repérer les zones où se trouve la tumeur, l’IA pourra aussi tenir compte des commentaires des médecins. Cela permettra de mieux identifier le type de tumeur, son agressivité, et d'autres caractéristiques importantes.
José Dolz (professeur au Département de génie logiciel et des technologies de l'information, à l'ÉTS) et Pablo Pablo Piantanida (professeur associé à l'ÉTS et au CNRS ainsi que professeur à CentraleSupelec)
Une IA qui sait reconnaître ses limites
Avant de pouvoir être utilisée en clinique, l’IA doit être capable de reconnaître les cas où elle n’est pas sûre de sa réponse. Une mauvaise prédiction peut avoir de lourdes conséquences. Les chercheurs développent donc des stratégies pour que l’algorithme puisse signaler quand il « doute », afin qu’un spécialiste humain examine ces cas de plus près.
Un outil pour aider, pas pour remplacer
L’objectif n’est pas de remplacer les spécialistes par des machines. Il s’agit plutôt de leur faire gagner du temps, pour qu’ils puissent analyser plus de cas et se concentrer sur les situations les plus complexes. Grâce à cet outil, les pathologistes pourraient être plus efficaces, tout en maintenant un haut niveau de précision.
Enfin, les chercheurs ont choisi de partager librement leur code et leurs modèles avec la communauté scientifique. Une façon d’accélérer les progrès dans ce domaine crucial pour la santé des femmes.
