Une étude récente publiée dans Maladies cancéreuses a mené une méta-analyse pour évaluer le potentiel de l’intelligence artificielle (IA) dans la détection précoce du cancer du poumon.
Étude: Modèles basés sur l’IA pour le diagnostic et la prédiction des résultats du cancer du poumon : une revue systématique et une méta-analyse. Source de l’image : métamorworks/Shutterstock.com
arrière-plan
Le cancer du poumon est un problème de santé mondial caractérisé par des taux de mortalité élevés dus à un diagnostic tardif. Les techniques actuelles de détection précoce comprennent la tomodensitométrie (TDM) ; Cependant, pour les lésions bénignes, les radiologues subissent une perte de performance. Des stratégies innovantes sont nécessaires pour améliorer le pronostic et les taux de survie.
Les modèles d’IA pourraient améliorer ces approches en augmentant la précision et l’efficacité, en réduisant les faux positifs et négatifs et en fournissant des techniques complémentaires à celles existantes.
Les systèmes de diagnostic basés sur l’IA dans le domaine des soins de santé, en particulier pour le cancer du poumon, peuvent améliorer la précision, la stabilité et l’efficacité du travail.
À propos de l’étude
Dans la présente méta-analyse, les chercheurs ont évalué l’efficacité de Modèles d’IA pour la détection précoce du cancer du poumon, soulignant leur potentiel d’amélioration de la précision du diagnostic et analysant leurs forces, leurs limites et leurs avantages comparatifs par rapport aux méthodes traditionnelles.
L’équipe a effectué des recherches dans les bases de données PubMed, Science Direct, Embase et Google Scholar pour récupérer les documents pertinents publiés en anglais jusqu’en octobre 2023.
Deux chercheurs ont examiné les dossiers de manière indépendante en utilisant des critères prédéterminés pour sélectionner des études de haute qualité et résoudre les divergences par consensus ou en consultation avec un troisième chercheur.
L’équipe a inclus des articles de recherche originaux issus d’études évaluant les performances de l’IA Détecter le cancer du poumon à un stade précoce et en communiquant les résultats sous forme de mesures de performance telles que la spécificité, la sensibilité et l’exactitude.
Ils ont exclu les études contenant des informations insuffisantes sur les performances des modèles d’IA, les commentaires, les résumés de conférences sans informations primaires et les critiques.
L’équipe a extrait des données sur le contexte de l’étude, la conception, le modèle d’IA utilisé, la source de données, les mesures de performance, la méthode de validation et les résultats.
Ils ont suivi les lignes directrices PRISMA (Preferred Reporting Items for Systematic Reviews and Meta-Analyses) pour l’analyse et évalué la qualité des études à l’aide de l’outil d’évaluation de la qualité des études sur l’exactitude des diagnostics (QUADAS-2).
Les domaines de risque de biais évalués dans les études comprenaient la sélection des patients, le test index, l’étalon de référence, le débit et le calendrier et ont été signalés comme étant à risque faible, peu clair ou élevé.
Les chercheurs ont évalué l’hétérogénéité des études à l’aide des tests statistiques I2 et du chi carré. Ils ont effectué une modélisation des effets aléatoires pour la méta-analyse et analysé des parcelles forestières de mesures de diagnostic regroupées pour les modèles d’IA.
Résultats
Tout d’abord, l’équipe a identifié 1 024 enregistrements, évalué l’éligibilité de 116 et exclu 326 doublons et 28 études publiées dans des langues autres que l’anglais.
Seuls 39 ensembles de données répondaient aux critères d’éligibilité, démontraient diverses applications de modèles d’IA pour la détection du cancer du poumon et mettaient en évidence les différents points forts des études.
L’étude montre le potentiel de l’intelligence artificielle pour le diagnostic du cancer du poumon à un stade précoce, avec une sensibilité groupée de 0,87 et une spécificité de 0,87, indiquant une grande précision dans l’identification des vrais résultats positifs et négatifs.
Cependant, l’équipe a observé une hétérogénéité à travers les études en raison de différences dans les populations étudiées, les sources de données et les spécifications du modèle. L’équipe a constaté de faibles risques de biais dans la sélection des patients, les tests index et les normes de référence, mais des risques plus élevés de biais dans le processus et le calendrier.
Les études ont montré que les modèles d’IA, en particulier les réseaux neuronaux récurrents (RNN) et les réseaux neuronaux convolutifs (CNN), peuvent améliorer la précision de la prédiction du cancer du poumon, réduire les faux positifs et réduire l’impact des données manquantes.
Les autres modèles d’IA utilisés comprenaient DL, DBN, l’apprentissage automatique (ML), les régressions logistiques (LL), les classificateurs forestiers aléatoires (RF), les systèmes bayésiens naïfs (NBS), les réseaux bayésiens (BN) et les arbres de décision.
Une étude chinoise a utilisé des modèles d’apprentissage profond tridimensionnels pour les tomodensitométries et a obtenu une sensibilité, une spécificité et une précision diagnostique globale de 75 %, 82 % et 89 %, respectivement.
Une autre étude menée en Chine a utilisé l’opérateur de sélection et de liaison le moins absolu de la machine à vecteurs de support (SVM-LASSO) sur les données du Lung Image Database Consortium (LIDC) et de l’Image Database Resources Initiative (IDRI) et a obtenu une précision de 85 %, soit 12 % de plus que Lung Image. Database- Consortium (LIDC) et Image Database Resource Initiative (IDRI). Système de reporting et de données (RADS).
Dans une autre étude menée en Chine, un réseau tridimensionnel à liaisons mixtes (CMixNet) a été utilisé pour les données des ensembles de données LIDC-IDRI et d’analyse des nodules pulmonaires (LUNA-16), et a atteint une sensibilité et une spécificité de 94 % et 91. %, respectivement, des résultats supérieurs aux techniques existantes de détection du cancer du poumon.
Les résultats ont mis en évidence les compromis entre spécificité et sensibilité ainsi que les atouts des techniques basées sur l’IA.
Alors que certaines études ont souligné le potentiel de l’IA pour relever des défis spécifiques, d’autres ont souligné la fiabilité et l’efficacité de l’intelligence artificielle dans le dépistage du cancer du poumon, au bénéfice des professionnels de santé et des patients.
Conclusions
Les résultats de l’étude ont montré que les modèles d’IA détectent efficacement le cancer du poumon à un stade précoce, identifient les résultats positifs et négatifs et améliorent le pronostic.
Cependant, l’hétérogénéité des études met en évidence la nécessité de protocoles standardisés. Les recherches futures devraient se concentrer sur le perfectionnement des modèles d’IA, la prise en compte des défis et la collaboration avec les chercheurs, les cliniciens et les décideurs politiques pour établir des lignes directrices et des normes pour les systèmes d’IA dans le dépistage du cancer du poumon.
Relever ces défis fera progresser les technologies de l’IA et, à terme, facilitera le diagnostic précoce et le traitement rapide du cancer du poumon.