Des chercheurs américains ont mis au point un algorithme d’apprentissage pour repérer les cancers de la peau. Ils ont utilisé la technique du “vilan petit canard”. 

Depuis plusieurs années, les scientifiques travaillent sur l’utilisation des smartphones pour détecter de potentiels cancers de la peau. En 2011, une application iPhone se servait de l’appareil photo du téléphone et d’un logiciel de reconnaissance des formes, pour fournir des évaluations des risques d’un grain de beauté ou de taches de rousseur. Plus tard en 2017, c’était une IA, qui utilisait l’apprentissage en profondeur pour détecter les cancers de la peau avec la précision d’un dermatologue. Récemment, des chercheurs du MIT d’Harvard ont également développé des algorithmes d’apprentissage en profondeur capables de détecter le cancer de la peau, mais la méthode est différente. 

La méthode du “vilain petit canard”

Jusqu’ici, les algorithmes étaient formés à analyser les lésions cutanées individuelles à la recherche d’irrégularités pouvant indiquer un mélanome. Cette fois-ci, les scientifiques ont utilisé la méthode du “vilain petit canard”. La majorité des grains de beauté d’une personne se ressemble, ceux qui ne leur ressemblent pas sont considérés comme des “vilains petits canards”, et sont surtout reconnus comme le signe d’un possible mélanome. 

C’est la première fois qu’un tel système est utilisé. Les chercheurs ont commencé par créer une base de données de 33 000 images grand champ, elles montrent la peau du patient, mais aussi d’autres objets et arrière-plans. La technique du vilain canard est intégrée en créant des cartes 3D de toutes les lésions d’une image donnée, réparties sur une partie du patient. Les caractéristiques des différentes lésions sont comparées, le système est capable de déterminer celles qui sont dangereuses. 

Les lésions suspectes de 68 patients ont été identifiées grâce à 135 photos grand champ. Les évalutions de l’IA ont été comparées à celles de trois dermatologues qualifiés. L’algorithme était d’accord avec le consensus des dermatologues 88% du temps. L’algorithme est actuellement en open source. L’équipe continuera de le développer dans l’espoir de mener des essais cliniques plus tard.