Un nouveau système d'imagerie thermique basé sur l'intelligence artificielle est étudié comme outil de détection pour exclure la malignité des masses cutanées chez les chiens.
Le développement de l’intelligence artificielle (IA) touche de nombreuses personnes dont il améliore l’expérience de vie. L’IA permet d’améliorer la compréhension de problèmes complexes et rend les résultats obtenus plus probables et plus précis. En médecine humaine, l’IA devrait générer plus de 150 milliards d’euros au cours de la prochaine décennie.
De la même manière que la médecine humaine utilise les progrès de l’IA, la médecine vétérinaire se sert de ce type de technologie pour améliorer la vie des animaux de compagnie, notamment dans des domaines tels que la radiographie, le triage et le diagnostic des maladies.
L'intelligence artificielle est un domaine informatique qui simule l'intelligence humaine grâce à l'utilisation d'ordinateurs. Cette technologie analyse rapidement et de manière exhaustive de très grands ensembles de données selon des instructions appelées algorithmes qui indiquent quelle tâche spécifique doit être effectuée. Cependant, l’IA ne peut faire que ce qui lui est conseillé, elle est donc loin de reproduire la cognition et l’intelligence humaines.
Une étude récente menée conjointement par les États-Unis et Israël visait à entraîner et à valider l’utilisation d’un nouveau système d’imagerie thermique basé sur l’intelligence artificielle comme outil de détection pour exclure la malignité des masses cutanées et sous-cutanées chez le chien.
Pour réaliser le travail, on a procédé à une première phase de « formation » du programme d'intelligence artificielle, avec 147 chiens et un total de 233 masses où le système a appris à différencier les tumeurs malignes des néoplasmes bénins.
Par la suite, l'étude de validation a inclus 299 chiens avec 525 masses. La cytologie n'a pas permis de diagnostiquer 94 masses, ce qui a donné 431 masses provenant de 248 chiens avec des échantillons diagnostiques confirmés.
Au cours de l'analyse, chaque masse et les tissus sains adjacents ont été chauffés par une diode électroluminescente de haute puissance. L'appareil a enregistré la température du tissu et, par conséquent, l'a analysé à l'aide d'un algorithme d'apprentissage automatique supervisé pour déterminer si la masse nécessitait des tests de diagnostic supplémentaires, si une tumeur maligne était suspectée.
La première étude a été menée pour collecter des données afin de former l'algorithme. La deuxième étude a validé l'algorithme, car les prévisions en temps réel du dispositif ont été comparées aux résultats de cytologie et/ou de biopsie.
Les résultats de l'étude de validation ont démontré que le dispositif a correctement classé 45 des 53 masses malignes et 253 des 378 masses bénignes (sensibilité = 85 % et spécificité = 67 %). La valeur prédictive négative du système (c'est-à-dire le pourcentage de masses bénignes identifiées comme bénignes) était de 97 %.
Compte tenu de ces résultats, les auteurs expliquent que l'étude démontre que « ce nouveau système pourrait être utilisé comme outil d'aide à la décision, permettant aux vétérinaires de différencier les lésions bénignes de celles nécessitant des diagnostics supplémentaires ».