medical

Prédire le cancer du sein pour aider au diagnostic

La prédiction du cancer du sein est un outil diagnostic. Les oncologues et les équipes médicales ont comme challenge d'identifier le cancer du sein le plus tôt possible. Un diagnostic précoce augmente les chances de survie. TADA les aide à diagnostiquer les tumeurs malignes plus rapidement

Industrie

Santé

TEMPS D'EXECUTION du projet

Une semaine

BENEFICES client

  • 97% de précision dans l’identification par TADA de noyaux cellulaires à l’origine de cancers, contre 79% par des cliniciens
  • Pas nécessaire d’être un praticien expérimenté, précision accessible aussi bien pour des praticiens senior et junior
  • Rapide, une fois l’outil installé, l’analyse par TADA prend quelques minutes
  • TADA améliore la détection de cancer précoce de 18%

Problème à résoudre

Le cancer du sein est un des cancers les plus fréquents chez la femme aujourd’hui. Une masse dans le sein des patientes signifie une tumeur. Ainsi, les oncologues américains effectuent une ponction à l’aiguille fine (PAF) sur le cancer de la patiente.

Ensuite, ils étudient les cellules et extraient les éléments du noyau cellulaire. L’étape la plus délicate est cette extraction d’éléments.

L’objectif est de sélectionner des éléments dans cette image que l’on peut mesurer pour une analyse ultérieure par ordinateur. Dans le même temps, ces mesures peuvent être représentatives de la sévérité du cancer. Nous visons l’utilisation de ces éléments mesurés dans l’image aussi bien pour réaliser un diagnostic ou en temps qu’indicateur de pronostic. Cela inclut la malignité de la tumeur et une espérance de survie associée. 

Les données les plus souvent extraites sont: 

  1. le rayon
  2. la texture
  3. le périmètre
  4.  la surface
  5. la finesse 
  6. l’épaisseur
  7. la concavité (importance des portions concaves sur le contour)
  8. les points concaves (nombre de points concaves sur le pourtour)
  9.  la symétrie
  10. la dimension fractale

Le diagnostic de cancer a le plus souvent été dépendant d’approches traditionnelles faisant appel à de l’expertise de professionnels très expérimentés. Cependant, un professionnel senior et expérimenté n’est pas toujours disponible.

L’approche par Machine Learning de TADA peut aider à automatiser, partiellement, la prédiction de risque de cancer. Ainsi, des professionnels senior ou junior peuvent avoir accès aux mêmes données analysées concernant des patients atteints du cancer. Ils peuvent établir un diagnostic meilleur et plus rapide, donc améliorer les chances de survie.

Objectifs

  • Distinguer rapidement après une PAF les tumeurs malignes et bénignes
  • Assister, améliorer et rassurer les oncologues dans leur diagnostics
  • Améliorer la précision de prédiction de cancer du sein

La question oncologique suivante est posée :

La prédiction de cancer peut-elle faire la distinction entre les tumeurs malignes et les tumeurs bénignes ?

Solution

Breast cancer model

The TADA predictive models’ results reach a 97% accuracy based on real data for breast cancer prediction. Breast cancer is the most common cancer among women, accounting for 25% of all cancer cases worldwide. It affects 2.1 million people yearly. Early diagnosis through breast cancer prediction significantly increases the chances of survival. 

Fine needle aspiration biopsy (FNA) is a biopsy that produces fast, reliable, and economic evaluation of tumor lesions. It is a minimally invasive scheme that utilizes a fine needle to aspirate tissue from mass lesions. It expedites the sequence between the diagnostic and the beginning of therapy for breast cancer. 

FNA is ideally conducted by an expert medical biologist who can follow with prompt microscopic examination. Research indicates that the most experienced physicians can diagnose breast cancer using FNA with a 79% accuracy. 

TADA has selected the following five main criteria out of the ten available in the dataset. They approximately bear the same weight in the decision to identify breast cancer:

  • the number of concave points around the contour
  • the radius
  • the compactness
  • the texture
  • the fractal dimensions of the tumor 
model overview

An 18% improvement in breast cancer predictions happens through TADA (from 79% to 97%). The artificial intelligence tool distinguishes benign from malignant tumors. It can also help the oncologist understand how each element measured impacts the diagnosis. For instance, it can prove the relationship between the tumor’s overall dimension and breast cancer chances. v

Bénéfices clients

In one week, oncologists gained significant support in their cancer diagnosis and their fight against breast cancer by:

  • Making the difference between benign and malignant cancer quickly.
  • Diagnosing malignant cancers with a 97% accuracy.
  • Obtain an immediate « what-if » analysis linking the tumor’s characteristics and cancer.
what if analysis for the model