SAIAD V2 : Segmentation Automatique d’images médicales par Intelligence Artificielle Distribuée
Maincare partie prenant du projet SAIAD V2 pour exploiter les outils d’intelligence artificielle afin d'optimiser la prise en charge des patients
Le néphroblastome, également appelé tumeur de Wilms, est la tumeur rénale maligne la plus fréquente de l’enfant. En France, cette tumeur représente environ 8 % des cancers pédiatriques, soit environ une centaine de nouveaux cas par an. Elle touche essentiellement le jeune enfant, entre 6 mois et 6 ans. Il s’agit, heureusement, d’une tumeur de bon pronostic. Le protocole de traitement, établi par la Société internationale d’oncologie pédiatrique, recommande la réalisation d’une chimiothérapie puis d’un geste chirurgical. Il s’agira, selon la situation, d’une néphrectomie totale (retrait de tout le rein et de sa tumeur) ou partielle (retrait d’une partie du rein avec sa tumeur et conservation de la partie saine du rein). Le temps chirurgical est donc un temps fondamental dans la prise en charge de ces enfants.
Modéliser en 3 dimensions pour optimiser la prise en charge
Il est possible, à partir des examens réalisés par le patient et notamment le scanner, de créer des reconstructions en 3 dimensions, ce qui permet de pouvoir visualiser avant l’intervention l’anatomie exacte du rein et de sa tumeur. Ces reconstructions 3D permettent de choisir avant l’opération le geste chirurgical à réaliser (néphrectomie partielle ou totale), d’anticiper les risques opératoires et d’améliorer l’information donnée au patient et à sa famille avant l’intervention. Cependant, ces reconstructions en 3D nécessitent de délimiter sur chaque coupe scanner les structures anatomiques que l’on souhaite modéliser (reins, tumeur, vaisseaux, voies urinaires). C’est ce qu’on appelle la segmentation. Elle peut être réalisée manuellement, par le chirurgien ou le radiologue, mais est extrêmement chronophage : il faut en moyenne 8 heures pour la réaliser. L’objectif du projet de recherche SAIAD1, auquel participent les services de chirurgie et de radiologie pédiatriques du CHU de Besançon, est donc d’utiliser des outils d’intelligence artificielle pour automatiser au maximum ce processus de segmentation. Deux outils d’intelligence artificielle sont utilisés : le raisonnement à partir de cas et les réseaux de neurones (deep learning).
A l’heure actuelle, deux modules ont été implémentés pour segmenter le rein et la tumeur. Il reste à développer deux autres modules pour segmenter les vaisseaux et les voies urinaires. Mais le système, permet déjà de réduire nettement le temps global de segmentation.
Matérialiser les représentations en 3D
Un autre volet du projet consiste à développer différents supports pour ces reconstructions en 3 dimensions :
Un support physique avec des modèles imprimés en 3D qui peuvent être utilisés pour faciliter les explications données au jeune patient et à sa famille.
Des supports numériques, essentiellement utilisés par le chirurgien pour préparer son intervention.
Et enfin, des supports plus originaux comme une représentation sous forme d’hologramme (voir actu février 2020).
Pendant l’opération, le chirurgien a parfois besoin de visualiser ces reconstructions 3D. Un outil lui permettant de manipuler ces reconstructions 3D sans contact, en utilisant la gestuelle ou la voix, afin de respecter les contraintes de stérilité durant l’opération, est aussi en cours de développement.
Le projet SAIAD est un projet ambitieux. Les travaux conduits ont permis des avancées significatives mais doivent encore se poursuivre pour que l’outil soit finalisé et utilisable par les chirurgiens. Il permettra alors de mieux évaluer les possibilités de gestes chirurgicaux, d’identifier le traitement le plus adapté et ainsi d’optimiser significativement la prise en charge des tumeurs rénales. C’est l’enjeu de SAIAD-2.