...

Quant on parle de gliome, une tumeur du cerveau, en connaître le grade est une nécessité si l'on veut choisir la thérapie la plus adaptée, sachant que plus la tumeur est agressive, et plus il est difficile de la traiter. Rappelons à ce propos que les gliomes de bas grade, les moins agressifs et les moins malins, comprennent l'astrocytome pilocytique de grade I et le gliome de bas grade de grade II, et que les gliomes de haut grade, qui sont beaucoup plus agressifs et plus malins avec un temps de survie post-diagnostic relativement court, comprennent le gliome malin de grade III et le glioblastome multiforme de grade IV. À l'heure actuelle, le diagnostic est réalisé à partir d'IRM, grâce auxquelles les radiologues obtiennent une très grande quantité de données qui leur permettent de reconstruire une image 3D du tissu scanné. Toutefois, une grande partie des données ne peuvent pas être détectées à l'oeil nu. C'est le cas des détails liés à la forme, la texture ou l'intensité de l'image de la tumeur. Du coup, les oncologues font parfois appel à l'IA qui est capable de détecter les détails invisibles à l'oeil nu. Cette approche, appelée radiomique, améliore les diagnostics des patients, mais la précision peut encore être meilleure. C'est là qu'intervient une équipe de chercheurs indiens et japonais. Ils ont collecté un ensemble de données provenant d'IRM appartenant à 210 personnes atteintes de gliomes de haut grade et à 75 autres avec des gliomes de bas grade. Ils ont ensuite développé une approche appelée CGHF. Il s'agit d'un système d'aide à la décision informatique pour la classification des gliomes en utilisant la radiomique hybride et les caractéristiques stationnaires basées sur les ondelettes. Ils ont choisi des algorithmes spécifiques pour extraire des caractéristiques de certains des examens IRM, puis ont formé un autre algorithme prédictif pour traiter ces données et classer les gliomes. Ils ont ensuite testé leur modèle sur le reste des examens IRM pour évaluer sa précision. L'outil est remarquable puisqu'il a permis de classer les gliomes en grades bas ou élevés avec une précision de 97,54%, ce qui est considérable. "Notre méthode a surpassé les techniques de pointe utilisées pour prédire le niveau de gravité des gliomes", se réjouit Raman Balasubramanian, data scientist, co-auteur de cette recherche. Après ces découvertes encourageantes, les scientifiques aimeraient mettre au point un modèle de logiciel prédictif de machine semi-automatique ou automatique utilisant leur méthode afin d'aider les équipes médicales à établir leurs diagnostics et à opter pour la meilleure approche thérapeutique possible.