Apprendre aux machines à voir ce que les médecins ne détectent pas

En Namibie, une ingénieure en mécanique utilise l’intelligence artificielle pour aider les cliniciens à détecter le cancer du sein plus rapidement et avec plus de précision dans un pays où les radiologues sont rares et où les diagnostics sont souvent posés trop tard.

Ester Angula est maître de conférences en génie mécanique à la Namibia University of Science and Technology. Elle a bâti sa carrière autour de la thermo-fluidique, la science du comportement de la chaleur et des fluides dans les systèmes mécaniques. Mais une visite de recherche dans un institut de santé en Espagne en 2023-2024 l’a amenée à se pencher sur l’analyse d’imagerie médicale.

Pendant son séjour à Bio-Gipuzkoa, un institut de recherche biomédicale au Pays basque, Angula a participé à un projet explorant l’application de la technologie d’impression 3D dans le domaine de la santé.

Ce qu’elle y a rencontré — la précision, les enjeux cliniques, le fossé entre ce que la technologie pouvait faire et ce qui était disponible pour les patients dans son pays d’origine — l’a inspirée à vouloir faire de même en Namibie.

« La recherche a également été inspirée par le taux élevé de décès liés au cancer du sein chez les femmes en Namibie, ainsi que par les défis auxquels sont confrontés les cliniciens, tels que la dépendance à des méthodes de segmentation d’images manuelles et sujettes aux erreurs, les diagnostics tardifs dus à une pénurie de radiologues, et la performance limitée des modèles d’IA existants entraînés sur des ensembles de données étrangers lorsqu’ils sont appliqués aux populations locales », dit-elle.

La recherche vise spécifiquement à résoudre ces problèmes en améliorant la précision, l’efficacité et la cohérence du diagnostic, en réduisant la charge de travail diagnostique et le délai d’exécution, en développant un modèle de segmentation d’IA formé localement et spécifique au contexte, et en améliorant la visualisation clinique et la compréhension du patient grâce à l’utilisation de modèles 3D.

Ces observations ont constitué la base de son projet de recherche financé par le SGCI visant à développer un système basé sur l’IA pour améliorer la rapidité et la précision de l’analyse d’images médicales.

Le problème des oeils manuels

L’imagerie médicale, les tomodensitogrammes, les IRM et les radiographies génèrent des données visuelles complexes que les cliniciens doivent analyser pour identifier les maladies.

Pour le cancer du sein, cela implique souvent d’identifier et de délimiter les tumeurs sur les images numérisées, un processus connu sous le nom de segmentation.

Effectuée manuellement, la tâche prend du temps et est sujette à l’incohérence, car deux cliniciens examinant le même scan peuvent tracer des limites différentes autour de la même tumeur, explique Angula.

Selon Angula, en Namibie, le défi est aggravé par une pénurie de radiologues et d’oncologues, ce qui entraîne des retards de diagnostic et de traitement à un stade où la rapidité peut faire la différence entre la survie et la mort.

Les outils d’IA existants conçus pour faciliter la segmentation d’images ont été largement entraînés sur des ensembles de données provenant de pays à revenu élevé, ce qui limite leur précision lorsqu’ils sont appliqués aux patients locaux, a-t-elle déclaré.

Le projet d’Angula aborde toutes ces couches. Le système d’IA de son équipe, entraîné sur des données de tomodensitométrie, identifie et délimite automatiquement les tumeurs sur les images médicales, un processus qui, explique-t-elle, remplace le traçage manuel par un algorithme capable de traiter les images « rapidement et de manière cohérente ».

Comment fonctionne l’IA et pourquoi elle est importante

La segmentation automatisée basée sur l’IA est un processus par lequel des algorithmes informatiques identifient et délimitent automatiquement la structure ou la région d’intérêt (tumeur, organe) dans les images médicales. Au lieu qu’un clinicien trace manuellement la région d’intérêt, l’IA le fait rapidement et de manière cohérente.

Cela améliore l’analyse en réduisant l’erreur humaine, en gagnant du temps et en fournissant des résultats plus précis et reproductibles.

« Notre travail se concentre principalement sur les données de tomodensitométrie, car elles fournissent des représentations détaillées et à haute résolution des structures internes, ce qui est essentiel pour une segmentation précise. Ces modalités d’imagerie sont largement utilisées pour diagnostiquer des affections complexes et sont particulièrement adaptées à la génération de modèles anatomiques 3D. »

« Une précision améliorée conduit à une meilleure identification des tumeurs mammaires, à une planification de traitement plus précise et à un risque réduit de complications. L’identification précise des limites, de la forme et de la taille de la tumeur peut aider les chirurgiens à retirer les tissus affectés tout en préservant les tissus sains, améliorant ainsi les résultats pour les patients et leur rétablissement. »

Les algorithmes d’IA sont entraînés, validés et testés sur de vastes ensembles de données, ce qui leur permet de détecter des schémas qui indiquent la présence d’une tumeur avec un niveau de répétabilité qu’aucun lecteur humain ne peut égaler de manière constante.

Les implications pour la prise de décision clinique sont directes. « L’identification précise des limites, de la forme et de la taille de la tumeur peut aider les chirurgiens à retirer les tissus affectés tout en préservant les tissus sains », explique Angula.

Une image plus claire d’une tumeur, y compris des mesures précises et des visualisations tridimensionnelles, permet une planification de traitement plus ciblée, qu’elle soit chirurgicale ou radiothérapeutique.

Crucialement, le projet développe un modèle formé localement, ajoute-t-elle.

Plutôt que de s’appuyer sur des systèmes d’IA construits à partir d’ensembles de données étrangers qui pourraient ne pas refléter les caractéristiques des patients namibiens, l’équipe d’Angula a obtenu l’autorisation éthique du ministère de la Santé et des Services sociaux pour acquérir des données de tomodensitométrie auprès des hôpitaux locaux.

L’ensemble de données ancré localement sera utilisé pour affiner le modèle d’IA, le rendant plus précis et contextuellement approprié pour la population qu’il est censé servir.

Renforcement des capacités

La portée du projet s’étend au-delà de la technologie elle-même. Deux étudiants ont été formés à l’IA, aux techniques d’imagerie médicale et à l’application de l’impression 3D dans le domaine de la santé, signe de ce que la recherche interdisciplinaire à la croisée de l’ingénierie et de la médecine peut produire dans un contexte africain.

Les collaborations entre ingénieurs et professionnels de la santé se sont développées, créant une équipe multidisciplinaire travaillant sur un problème qu’aucun des deux domaines ne pourrait résoudre seul.

Le financement du SGCI a été essentiel pour rendre ce travail possible, en soutenant l’acquisition des approbations éthiques, la collecte de données, l’acquisition d’équipements, le développement de modèles d’IA et la diffusion des résultats lors de conférences universitaires.

Et après ?

Les priorités immédiates d’Angula sont de terminer l’annotation des données de tomodensitométrie locales et d’affiner l’algorithme d’IA à l’aide de ces données.

« Nous allons développer une plateforme logicielle conviviale, sécuriser la protection de la propriété intellectuelle, mener des essais pilotes sur le terrain, commercialiser le produit et, à terme, construire un système basé sur le cloud lié directement aux réseaux d’imagerie hospitaliers connus sous le nom de systèmes PACS pour une utilisation clinique en temps réel. »

Tout cela est réalisable, surtout avec la disponibilité croissante du cloud computing et du matériel rentable, a-t-elle déclaré.

« Notre approche met l’accent sur des solutions évolutives et adaptables qui peuvent être intégrées dans les systèmes existants sans nécessiter d’infrastructure étendue. »

« L’objectif est de rendre la technologie accessible et pratique pour les environnements de soins de santé réels. »

Angula affirme que les décideurs politiques devraient s’intéresser à cette recherche car elle soutient la prise de décision basée sur les données, s’aligne sur les objectifs de transformation numérique dans le domaine de la santé et comble directement les lacunes en matière de capacité de diagnostic qui coûtent des vies.

Consultez les histoires et dites-nous ce que vous en pensez. Nous serions ravis d’avoir de vos nouvelles !

Poursuivons la conversation sur nos médias sociaux

Suivez-nous sur LinkedIn et X

Publié le 5 mai 2026

Par Jackie Opara-Fatoye