Comment l’intelligence artificielle peut-elle être utilisée dans la détection du mélanome ?

Comment l’intelligence artificielle peut-elle être utilisée dans la détection du mélanome ?

Comment l’intelligence artificielle peut-elle être utilisée dans la détection du mélanome ?

Parmi tous les cancers de la peau, le mélanome est certainement la lésion la plus aggressive et la plus dangereuse. Ce n’est pas le plus fréquent des cancers de la peau mais de par sa nature tumorale, c’est celui dont on doit se méfier le plus possible car il peut facilement se disséminer et entraîner l’apparition de lésions secondaires dans le reste de l’organisme, lésions qui peuvent in fine conduire au décès du malade.

Le mélanome est souvent associé au cancer de la peau mais il peut également, dans certains cas peu fréquents, affecter des zones non cutanées comme des muqueuses (vaginales ou buccales par exemple).

Il existe plusieurs facteurs de risque pouvant entraîner l’apparition d’un mélanome : il s’agit par exemple de l’âge (même si la moitié des mélanomes se voient avant l’âge de 50 ans), la présence de grains de beauté (même si la plupart des mélanomes surviennent en dehors d’un grain de beauté), le type de peau et de cheveux (peau claire, yeux bleus, cheveux roux), l’exposition au soleil, l’utilisation des salons de bronzage, les coups de soleil, etc.

En médecine, la prévention est le maître-mot et il est important, surtout s’il existe plusieurs facteurs de risque, de rester vigilant et d’examiner soi-même sa peau et d’aller consulter un médecin dermatologue.

En ces temps compliqués liés à la pandémie virale du COVID-19, il peut être plus difficile de consulter son médecin spécialiste. Il est donc important de pouvoir faire au moins une partie du travail soi-même et d’observer toute apparition suspecte sur sa peau.

Afin de pouvoir déterminer le caractère suspect d’une lésion cutanée ou d’un grain de beauté, les spécialistes de la peau utilisent un ensemble d’éléments qui vont aider à déterminer si la lésion est plutôt bénigne ou plutôt maligne.

Les éléments utilisés concernent les caractéristiques de la lésion cutanée : caractère symétrique ou plutôt asymétrique où l’une des moitiés ne correspond pas à l’autre moitié, l’aspect des bords (réguliers ou irréguliers), la couleur de la ‘tache’ cutanée (couleur unique ou plusieurs teintes dans la lésion), la taille de la lésion et son évolution au cours du temps.

Le dermatologue est le médecin de référence pour analyser ce genre de situation et il ne faut pas hésiter à le consulter. Depuis plusieurs années, de plus en plus de publications scientifiques et également dans la presse générale mettent en avant des outils informatiques disponibles sur smartphones ou dans le cadre de protocoles de recherche. Ces outils peuvent être utilisés pour déterminer directement soit via un accès à distance à un médecin spécialiste la nature de la lésion cutanée. Certains de ces outils utilisent de l’intelligence artificielle avec des programmes de ‘deep learning’ et de réseaux neuronaux convolutifs (CNN en anglais).

Il s’agit en fait de programmes informatiques très complexes créés pour reconnaître certaines caractéristiques particulières d’une image (ici en l’occurence la lésion cutanée). Ces programmes se basent sur la reconnaissance de ‘pattern’ ou d’aspect typique et doivent être ‘éduqués’ au moyens de milliers d’images différentes. C’est un peu le même type d’algorithme qui va permettre à Facebook de reconnaître des images de nudité et de les interdire directement, sans l’intervention d’un être humain.

Pour éduquer ces outils d’intelligence artificielle, les chercheurs vont utiliser des milliers d’images de lésions cutanées de tout type en informant le programme que ces images correspondent soit à des lésions non suspectes soit à des lésions tumorales. Après plusieurs dizaines de milliers d’images ingurgitées par le programme informatique, celui-ci pourra faire lui-même le diagnostic final car il aura appris. Il aura appris à faire des erreurs et à les corriger lui-même pour arriver au final au bon diagnostic. C’est ce qui est prévu en théorie et les études médicales publiées récemment montrent que ces programmes sont parfois (voire même souvent) meilleurs à l’analyse réalisée par le médecin spécialiste. Pour autant, ces programmes n’ont pas encore tous été utilisés et validés dans le domaine public et sont pour certains toujours à l’état de recherche. Les spécialistes médicaux recommandent de les utiliser avec précaution, dans un but de suivi, de support et de recommandation. Le dernier mot appartient (pour l’instant) toujours à l’être humain et au dermatologue et à son oeil avisé.

Par ailleurs, il existe d’autres applications disponibles qui vont seulement – sans intervention d’une intelligence artificielle et sans fournir d’aide au diagnostic – permettre de suivre l’évolution d’une tache cutanée ou d’un grain de beauté. Par exemple, il suffira que le patient prenne à intervalle régulier une photo d’un grain de beauté et le logiciel analysera l’évolution et la modification éventuelle de ce grain de beauté (couleur, aspect, taille, etc.).

Voici quelques applications disponibles sur smartphones qui peuvent être utilisées pour l’aide au diagnostic de mélanomes ou de grains de beauté potentiellement suspects :

iSkin: il s’agit d’une application qui permet de prendre des photos de lésions cutanées pour effectuer le suivi dans le temps. Cette application permet également d’envoyer des photos à un médecin dermatologue et de réaliser une consultation médicale à distance.

Skinvision : il s’agit d’un algorithme d’intelligence artificielle développé avec l’appui de plusieurs médecins dermatologues. Cette application payante ne remplace pas une vraie consultation médicale mais permet d’obtenir très rapidement un indice sur la nature suspecte ou non d’une lésion cutanée.

SkinApp : il s’agit d’un autre algorithme d’intelligence artificielle développé en France et qui permet d’aider les médecins dans l’élaboration du diagnostic final. Selon le concepteur de cet outil, la société ANAPIX : « SkinApp a été concu comme un outil au service des dermatologues et non comme un substitut à leur travail et à leur expertise. L’objectif : les accompagner dans la détection des cancers de la peau, et autres pathologies de la peau, en mettant à leur disposition des outils innovants et faciles d’utilisation ».

UMSkinCheck : UMSkinCheck est une application gratuite disponible sur smartphone qui permet d’examiner soi-même sa peau et de suivre l’évolution au cours du temps des lésions suspectes. Application développée par l’Université de Médecine du Michigan aux Etats-Unis.

Références :

What is AI? Applications of artificial intelligence to dermatology. X. Du-Harpur, F.M. Watt, N.M. Luscombe, M.D. Lynch. British Journal of Dermatology (2020)183, pp423–430.

Dermatologist-level classification of skin cancer with deep neural networks. Andre Esteva, Brett Kuprel et ali. Nature. 542, pages 115–118 (2017).

Deep neural networks are superior to dermatologists in melanoma image classification.

Brinker TJ, Hekler A et ali. Eur J Cancer. 2019 Sep;119:11-17

Integrating Patient Data Into Skin Cancer Classification Using Convolutional Neural Networks: Systematic Review. Julia Höhn, Achim Hekler et ali. J Med Internet Res. 2021 Jul 22;23(7):e20708

Related Posts