The PAR dataset: Prostate biopsy whole slide images from an underrepresented Middle Eastern population
Cet article présente l'ensemble de données PAR, une collection accessible au public de 1 017 images de lames entières de biopsies prostatiques provenant de 185 patients à Erbil, en Irak, annotées avec les scores de Gleason et les grades ISUP afin de remédier à la rareté des données du Moyen-Orient et d'améliorer la généralisabilité des modèles d'IA en pathologie numérique.
Article original sous licence CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète
Imaginez le corps humain comme une vaste et trépidante ville, et à l'intérieur de cette ville, chaque cellule est un minuscule travailleur. Parfois, quelques travailleurs deviennent incontrôlables et commencent à construire des structures chaotiques et dangereuses au lieu de suivre les règles. C'est cela, le cancer. Pour attraper ces fauteurs de troubles précocement, les médecins prélèvent de minuscules échantillons de tissus, les colorent avec des teintures colorées et les observent sous de puissants microscopes. C'est ce qu'on appelle la pathologie. Pendant longtemps, cela a été fait uniquement par l'œil humain, mais aujourd'hui, nous apprenons aux ordinateurs à voir aussi ces cartes colorées. C'est l'Intelligence Artificielle (IA) en pathologie numérique. L'idée est que si nous pouvons apprendre à un ordinateur à repérer les travailleurs rebelles, il pourra aider les médecins à établir des diagnostics plus rapides et plus précis. Mais voici le hic : la plupart des « manuels d'entraînement » que nous utilisons pour enseigner à ces ordinateurs sont écrits par des personnes provenant d'une seule partie du monde. Si l'ordinateur n'apprend qu'à partir d'images d'un seul type de ville, il pourrait être confus lorsqu'il voit une ville qui ressemble un peu différemment. Nous devons nous assurer que nos détectives numériques sont prêts pour tout le monde, et pas seulement pour quelques privilégiés.
C'est exactement le problème qu'une équipe de chercheurs s'est donné pour mission de résoudre avec un nouveau projet appelé l'ensemble de données PAR. Ils ont réalisé que, bien qu'il existe de nombreuses images numériques de biopsies de la prostate (de minuscules échantillons prélevés pour vérifier la présence d'un cancer de la prostate) provenant de lieux comme la Suède, les Pays-Bas et les États-Unis, il n'y en avait presque aucune provenant du Moyen-Orient. Cela laissait un énorme fossé dans nos connaissances : un algorithme d'IA entraîné sur des échantillons occidentaux fonctionnerait-il aussi bien sur des patients d'Irak ? Pour y remédier, l'équipe s'est rendue à Erbil, en Irak, et a rassemblé un véritable trésor d'images médicales. Ils ont collecté 1 017 images de lames entières provenant de 185 patients. Mais ils n'ont pas seulement pris une photo de chaque échantillon ; ils en ont pris trois. En utilisant trois types différents de scanners de haute technologie, ils ont numérisé chaque lame de verre. C'est comme prendre une photo d'un tableau avec un appareil Canon, puis un iPhone, et enfin un scanner d'art spécialisé, juste pour s'assurer que l'image est de bonne qualité quel que soit l'outil utilisé.
Les chercheurs ont également fait appel à trois pathologistes experts — des spécialistes qui sont comme les maîtres détectives du monde cellulaire — pour évaluer ces lames. Ces experts ont examiné les images de manière indépendante et leur ont attribué des scores basés sur l'agressivité de l'aspect du cancer. Le résultat est une immense bibliothèque de données ouverte qui comprend non seulement les images, mais aussi les « réponses » de trois experts différents. Cela permet aux scientifiques de tester si leurs modèles d'IA peuvent gérer différents types de scanners et s'ils peuvent identifier correctement le cancer dans une population qui a été négligée jusqu'à présent. L'équipe a constaté qu'en partageant ces données, elle peut aider à combler le fossé entre les outils médicaux de haute technologie et les personnes qui en ont le plus besoin, garantissant que l'avenir du diagnostic du cancer soit équitable et précis pour tous, quel que soit l'endroit où ils vivent. Ils n'ont pas inventé un nouveau remède ou un nouveau scanner dans cet article ; au contraire, ils ont construit un pont crucial — un terrain de jeu partagé où l'IA peut être testée et améliorée afin de ne laisser personne de côté.
Noyé(e) sous les articles dans votre domaine ?
Recevez des digests quotidiens des articles les plus récents correspondant à vos mots-clés de recherche — avec des résumés techniques, dans votre langue.