Inscrivez-vous pour découvrir le futur dès aujourd’hui.
<div class="newsletter-cta-description">
<p class="article-paragraph skip">Ne manquez pas les innovations à la pointe de la science et de la technologie.</p>
</div>
</div>AMÉLIORATION DE LA QUALITÉ DE VIE. Les patients atteints de **glioblastome**, une tumeur maligne du cerveau ou de la moelle épinière, ne vivent généralement pas plus de cinq ans après leur diagnostic. Cette période peut être particulièrement difficile, car les traitements souvent administrés, incluant la radiothérapie ainsi que certains médicaments, peuvent engendrer des effets secondaires très lourds.
Des chercheurs du **MIT Media Lab** ont mis au point une **intelligence artificielle (IA)** capable de déterminer les doses minimales de médicaments nécessaires pour réduire efficacement la taille des tumeurs des patients atteints de glioblastome. Leur étude sera présentée lors de la conférence **2018 Machine Learning for Healthcare** à **l’Université de Stanford**.
MÉTHODE INCENTIVE. Pour développer une IA capable de recommander le schéma posologique optimal pour les patients atteints de glioblastome, les chercheurs du MIT ont utilisé une approche appelée **apprentissage par renforcement (RL)**.
Ils ont d’abord constitué un groupe de 50 patients simulés, basés sur un vaste ensemble de données de personnes ayant déjà reçu un traitement. L’objectif était de demander à l’IA de recommander des doses de différents médicaments couramment utilisés dans le traitement du glioblastome, tels que **l’othémosolomide (TMZ)** et une combinaison de **procarbazine, lomustine, et vincristine (PVC)**. Ces recommandations se faisaient à des intervalles réguliers, que ce soit toutes les semaines ou tous les mois.
Une fois qu’une dose était prescrite par l’IA, celle-ci vérifiait un modèle informatique conçu pour prédire la probabilité que cette dose puisse réduire la tumeur. Si le dosage recommandé entraînait une réduction de la tumeur, l’IA était récompensée. En revanche, si elle prescrivait systématiquement la dose maximale sans discernement, elle recevait une pénalité.
Les chercheurs notent que cette nécessité de trouver un équilibre entre l’objectif de réduction de la tumeur et le bien-être du patient est une particularité dans le domaine de l’apprentissage par renforcement. Contrairement à d’autres modèles qui se concentrent uniquement sur l’atteinte d’un but, comme le programme AlphaZero de DeepMind, qui se limite à gagner des jeux, ici, il s’agit aussi de préserver la qualité de vie des patients.
“Si notre unique objectif était de diminuer le diamètre moyen de la tumeur, et que l’IA agissait sans contraintes, elle administrerait les médicaments de manière irresponsable,” a expliqué **Pratik Shah**, le chercheur principal. “Nous avons donc décidé de définir des limites pour les actions à entreprendre afin d’atteindre cet objectif de manière éthique.”
PERSONNALISATION DES TRAITEMENTS. Afin de finaliser son apprentissage, l’IA a effectué environ 20 000 tests pour chaque patient simulé. Par la suite, les chercheurs ont évalué l’IA sur un groupe de 50 nouveaux patients simulés et ont constaté qu’elle pouvait non seulement diminuer les doses mais aussi réduire leur fréquence, tout en continuant à faire diminuer la taille des tumeurs. De plus, l’IA tenait compte des caractéristiques spécifiques à chaque patient, telles que la taille de la tumeur, l’historique médical et certains **biomarqueurs**.
“Nous avons interrogé le modèle : ‘Dois-je administrer la même dose à tous les patients ?’ et il a répondu : ‘Non. Je peux donner un quart de dose à ce patient, la moitié à celui-ci, et peut-être sauter une dose pour celui-là,’” a déclaré Shah. “C’est cette capacité à générer des traitements personnalisés, en menant des essais pour chaque individu, qui représente la partie la plus enthousiasmante de notre travail.”
Bien que l’IA doive encore subir de nouveaux tests et approbations par la **Food and Drug Administration (FDA)** avant son utilisation clinique, une fois validée, elle pourrait significativement aider les personnes atteintes de glioblastome à combattre leurs tumeurs cérébrales tout en réduisant la douleur associée aux traitements conventionnels.
LIRE ENCORE : Un modèle d’intelligence artificielle « apprend » des données des patients pour rendre les traitements du cancer moins toxiques [MIT News]
Nouvelle sur l’IA en santé : En seulement 4 heures, l’IA de Google a assimilé l’ensemble des connaissances historiques sur les échecs.
Sommaire
ToggleFAQ
Qu’est-ce que le glioblastome ?
Le glioblastome est une forme agressive de cancer du cerveau, souvent très difficile à traiter et qui requiert une approche multimodale pour le traitement.
Comment l’IA peut-elle aider en médecine ?
L’IA permet de personnaliser les traitements en prenant en compte les réponses spécifiques de chaque patient, améliorant ainsi l’efficacité des traitements tout en réduisant les effets secondaires.
Quels risques sont associés aux traitements traditionnels du glioblastome ?
Les traitements standards, tels que la chimio et la radiothérapie, peuvent nuire à la qualité de vie des patients en provoquant des effets dévastateurs et douloureux.
Quelle est l’importance de l’apprentissage par renforcement dans ce contexte ?
Cette méthode aide à équilibrer les objectifs cliniques avec le bien-être des patients, ce qui est essentiel pour le développement de traitements médicaux responsables.
Quand l’IA pourrait-elle être utilisée chez les patients ?
Après des tests supplémentaires et l’approbation par la FDA, il est envisageable que cette technologie soit intégrée à la pratique clinique dans un avenir proche.
