© Getty Images

L'incidence des tumeurs au cerveau -

Environ 80 000 nouveaux cas de tumeurs cérébrales primaires sont diagnostiqués chaque année aux États-Unis, ce qui représente 1,4 % de l'ensemble des cancers. Environ 36 % de ces tumeurs sont malignes.

© Getty Images

Les types de tumeurs - Bien qu'il existe plus de 100 types distincts de tumeurs cérébrales primaires, les gliomes, les méningiomes et les adénomes hypophysaires sont les plus fréquemment diagnostiqués.

© Getty Images

Les plus fréquentes -

Les gliomes, le type de tumeur cérébrale le plus répandu chez les adultes, sont des masses de cellules anormales qui se développent dans le cerveau ou la moelle épinière.

© Shutterstock

L'intervention -

Pour la plupart des patients atteints de gliome, la chirurgie est la première ligne de traitement. Bien que les chirurgiens s'efforcent de procéder à l'ablation complète de la tumeur, cela peut s'avérer difficile, en particulier lorsque la tumeur est située dans des zones délicates ou inaccessibles du cerveau.

© Getty Images

Une procédure délicate -

Les interventions chirurgicales, qui impliquent souvent des incisions au niveau du cuir chevelu, sont pratiquées pour traiter les affections du cerveau, de la moelle épinière et des nerfs périphériques.

© Getty Images

L'innovation en chirurgie -

La chirurgie du cerveau exige une précision inégalée et une innovation constante pour préserver les tissus sains et maximiser le rétablissement du patient.

© Getty Images

Une précision maximale -

Les chirurgiens utilisent des techniques spécialisées, telles que la neuro-imagerie et la cartographie du cerveau, pour guider l'intervention chirurgicale. La cartographie cérébrale délimite les zones du cerveau responsables de fonctions essentielles, ce qui permet aux chirurgiens d'éviter d'endommager des zones vitales du cerveau.

© Getty Images

Les cellules restantes -

Même avec des techniques chirurgicales méticuleuses, certaines cellules cancéreuses peuvent subsister. Pour les tumeurs cérébrales, l'ablation complète est primordiale, car tout tissu résiduel peut rapidement entraîner une repousse plus rapide.

© Shutterstock

Les défis du traitement -

Plus que d'autres cancers, les tumeurs cérébrales peuvent avoir des effets dévastateurs et durables sur le bien-être physique, cognitif et psychologique des patients. Malgré les avancées significatives dans le traitement d'autres cancers, les progrès dans les taux de survie au cancer du cerveau ont été limités.

© Shutterstock

Le danger des résidus de tumeur -

Même une petite quantité de tumeur résiduelle peut réduire considérablement la qualité de vie, raccourcir la survie et faire peser un lourd fardeau sur les systèmes de soins de santé. Malheureusement, les taux de tumeurs résiduelles ne se sont pas améliorés au cours des deux dernières décennies, et les chirurgies correctives et les traitements post-chirurgicaux coûtent plus d'un milliard de dollars par an aux États-Unis.

© Shutterstock

Révolution de l'intelligence artificielle -

Mais avec l'aide de l'IA, les chercheurs espèrent pouvoir changer cette réalité. Comme l'explique le Dr Shawn Hervey-Jumper, coauteur de l'étude publiée en novembre 2024, un nouveau système de diagnostic basé sur l'IA peut "améliorer la capacité à identifier les tumeurs et, avec un peu de chance, améliorer la survie grâce à l'ablation de la tumeur supplémentaire".

© Getty Images

Détection en temps réel -

Ce nouveau système, appelé FastGlioma, est un système d'intelligence artificielle à code source ouvert conçu pour détecter l'infiltration de tumeurs cérébrales en temps réel pendant l'intervention chirurgicale.

© Getty Images

Tissu invisible -

Selon l'étude, le système peut identifier des tissus cancéreux invisibles à l'œil nu, ce qui permet aux chirurgiens de les retirer immédiatement ou de les cibler avec des thérapies post-chirurgicales.

© Shutterstock

Une vitesse impressionnante -

Formé à partir de plus de 11 000 spécimens de tumeurs et de quatre millions d'images microscopiques, le système peut, selon les chercheurs, différencier les cellules saines des cellules cancéreuses en seulement 10 secondes.

© Getty Images

Modèles médicaux -

À l'instar des modèles de base tels que le GPT-4, les modèles d'IA médicale peuvent être entraînés sur des ensembles massifs de données et adaptés à diverses tâches cliniques.

© Shutterstock

Auto-apprentissage -

FastGlioma s'appuie sur cette approche pour généraliser les données démographiques des patients, les systèmes de santé et les classifications des tumeurs cérébrales de l'Organisation mondiale de la santé (OMS) avec un minimum de formation supervisée.

© Getty Images

Comment cela fonctionne-t-il ? -

Au cours de l'opération, le chirurgien prélève un petit échantillon de tissu à la périphérie de la tumeur. Un appareil spécial appelé système d'imagerie SRH portable prend des photos de l'échantillon de tissu dans la salle d'opération. Un technicien peut facilement utiliser cette machine grâce à un simple écran tactile.

© Getty Images

Tableau pratique -

L'échantillon de tissu est placé sur une lame spéciale et introduit dans un appareil appelé imageur SRH. Cet appareil permet de prendre rapidement des photos du tissu sous un microscope, sans préparation particulière. Cela signifie que le tissu n'est pas endommagé pendant le processus.

© Shutterstock

La décomposition -

L'appareil de SRH prend une photo de l'échantillon de tissu et la divise en petites parcelles. Imaginez une image principale divisée en petits carrés, comme une photo pixelisée. Chaque carré est une petite image, ou un "patch".

© Shutterstock

Système de notation -

Chaque patch est examiné et noté en fonction de la probabilité qu'il contienne des cellules cancéreuses. Les taches qui présentent davantage de tumeurs obtiennent un score plus élevé. Le système d'IA apprend à partir de millions d'autres images et devient plus apte à reconnaître les cellules cancéreuses en étudiant ces images et en trouvant des modèles. Cela lui permet d'attribuer des scores plus précis aux morceaux de tissu.

© Getty Images

Carte thermique -

Après avoir pris une photo de l'échantillon de tissu et l'avoir divisé en petits morceaux, le système d'IA réassemble l'image. L'image obtenue met en évidence les zones susceptibles d'être cancéreuses, à la manière d'une carte thermique. Les médecins peuvent ainsi identifier rapidement les zones tumorales potentielles.

© Getty Images

Identifier les tumeurs potentielles -

Cette image codée en couleur montre le niveau d'infiltration de la tumeur. Le modèle d'IA analyse l'ensemble de l'image et attribue un score entre 0 et 1, où 0 correspond à une faible infiltration et 1 à une forte infiltration. Ce score correspond aux catégories utilisées par les médecins experts pour classer l'infiltration tumorale.

© Getty Images

Des perspectives d'espoir -

La recherche suggère qu'en identifiant ces cellules cancéreuses cachées, la technique pourrait aider à prévenir le retour des tumeurs plus agressives et à éliminer complètement les tumeurs moins agressives.

© Getty Images

Taux positifs -

Dans le cadre de cette étude, des neurochirurgiens ont analysé des échantillons de tissus provenant de 220 patients. Ils ont constaté que FastGlioma ne se trompait que dans 3,8 % des cas lorsqu'il s'agissait d'identifier les cellules cancéreuses restantes, alors que les méthodes traditionnelles se trompaient dans 24 % des cas.

© Shutterstock

Révolutionnaire -

L'outil, qui est libre et breveté par l'UCSF, n'a pas encore été approuvé par la Food and Drug Administration (FDA). Les chercheurs sont toutefois optimistes. "FastGlioma pourrait révolutionner la neurochirurgie en améliorant la prise en charge globale des patients atteints de gliome", a déclaré le Dr Todd Hollon, coauteur de l'étude.

© Shutterstock

Pas seulement le gliome -

Comme l'ont démontré les chercheurs, cette technologie est plus rapide et plus précise que les méthodes actuelles de détection des tumeurs. Ils envisagent ses applications potentielles, Hollon estimant qu'elle pourrait être utilisée pour diagnostiquer d'autres types de tumeurs cérébrales chez les enfants et les adultes.

© Shutterstock

Traiter d'autres types de cancer -

Les chercheurs estiment que cet outil est non seulement rapide et abordable, mais qu'il peut également identifier avec précision d'autres cellules tumorales. Ils prévoient de tester le système sur un plus grand nombre de cancers, notamment les cancers du sein, du poumon, de la prostate, de la tête et du cou, comme le souligne l'étude.

© Shutterstock

Autres progrès de l'IA -

L'IA est également utilisée pour améliorer l'interprétation des IRM pour les patients atteints de gliome. Un nouveau modèle permet de distinguer la croissance réelle de la tumeur des faux positifs, en particulier dans les cas incertains, comme l'a rapporté le Journal of Neuro-Oncology en septembre 2022.

© Shutterstock

Autres progrès de l'IA -

Un autre modèle d'apprentissage profond permet d'identifier en temps réel les tissus cérébraux cancéreux et non cancéreux lors d'une intervention chirurgicale. Détaillé dans le numéro de janvier 2023 de Biomedical Optics Express, ce modèle utilise des informations sur la lumière et la texture des tissus, telles qu'elles ressortent d'une technique d'imagerie spéciale appelée tomographie par cohérence optique.

Sources: (Health Tech World) (Cleveland Clinic) (Mayo Clinic) (EndBrainCancer.org) (BrainTumor.org) (Nature.com)

Découvrez aussi : Cancer: ces stars inspirantes ont vaincu la maladie

© Shutterstock