Élaboration et analyse d'un jeu de données clinico-biologiques pour l'entraînement d'un algorithme d'intelligence artificielle utile au diagnostic du myélome

Par : Le Roc'h, Valentin

Document archivé le : 05/02/2024 15:30

Depuis quelques années, l'intelligence artificielle (IA) se développe dans le domaine de la santé et plus particulièrement en biologie médicale. En hématologie, des algorithmes de classification cellulaire sont déjà déployés sur frottis sanguins. En revanche, l'automatisation de la lecture des myélogrammes s'avère plus complexe. Cette thèse s'inscrit dans une volonté de développer un modèle permettant une classification des cellules de la moelle osseuse. Pour ce faire, nous nous sommes intéressés au myélome multiple, une pathologie caractérisée par un envahissement médullaire par au moins 10% de plasmocytes clonaux. L'apport de l'IA pourrait ainsi permettre de fournir une aide précieuse au diagnostic de la maladie. L'élaboration d'un algorithme implique plusieurs étapes, dont la phase de création du jeu de données (dataset) qui est primordiale pour l'entraînement du modèle. Nous avons donc développé un dataset, à partir des données clinico-biologiques de 86 patients dont 64 myélomes. Cette étude monocentrique nantaise a été réalisée entre février 2021 et juin 2023. À son terme, 112 lames de myélogramme ont été numérisées. L'étalement très hétérogène des frottis médullaires a notamment permis de travailler sur la détermination de régions d'intérêt. Ces dernières ont ensuite été utilisées pour effectuer des annotations cellulaires. Ainsi, nous avons obtenu un dataset conséquent et robuste utilisable pour l'entraînement d'un algorithme. L'analyse de notre cohorte nous a également permis d'établir un état des lieux des caractéristiques du myélome multiple, après confrontation aux données de la littérature.