Diagnostiquer l'endométriose plus rapidement gr?ce à l'IA

Le spin-off de l'ETH Scanvio a développé un algorithme qui permet d'analyser de manière automatisée les échographies de l'utérus. Celui-ci devrait permettre aux médecins de diagnostiquer plus rapidement l'endométriose à l'avenir.

Le chercheur de l'ETH Fabian Laumer (à gauche) et le gynécologue Michael Bajka se tiennent à c?té d'un écran qui montre une échographie.
Le chercheur de l'ETH Fabian Laumer (à gauche) et le gynécologue Michael Bajka veulent faciliter le diagnostic de l'endométriose par ultrasons avec le spin-off de l'ETH Scanvio. (Photo : Fabian Laumer et Michael Bajka)

En bref

  • Environ dix pour cent des femmes en ?ge de procréer sont touchées par l'endométriose. Les excroissances de la muqueuse utérine entra?nent régulièrement de fortes douleurs lors des règles.
  • Le spin-off de l'ETH Scanvio a développé un algorithme qui doit aider les gynécologues à mieux interpréter les données échographiques de l'utérus et ainsi à diagnostiquer plus rapidement l'endométriose.
  • Le diagnostic de l'endométriose se fait aujourd'hui le plus souvent par c?lioscopie. Cette intervention lourde et co?teuse devrait être beaucoup moins nécessaire à l'avenir gr?ce à l'algorithme de Scanvio.

L'endométriose est très répandue. Dans le monde, environ dix pour cent des femmes en ?ge de procréer en souffrent. Le terme "souffrir" est à prendre au pied de la lettre. En effet, il faut en moyenne huit à douze ans pour que ces excroissances bénignes de la muqueuse utérine (endomètre) soient diagnostiquées dans l'abdomen. Des années pendant lesquelles les femmes doivent généralement supporter de fortes douleurs avant et à chaque menstruation.

Pour diagnostiquer l'endométriose de manière fiable, de nombreux gynécologues ont jusqu'à présent recours à une laparoscopie sous anesthésie générale. Or, cette intervention est non seulement compliquée et contraignante pour les patientes, mais aussi relativement co?teuse. Chez la plupart des patientes, l'endométriose pourrait également être diagnostiquée par échographie. Cela demande toutefois une certaine expérience, car les foyers d'endométriose peuvent facilement passer inaper?us.

L'expert en IA Fabian Laumer et le gynécologue Michael Bajka ont donc fondé le spin-off Scanvio en été 2023. Leur objectif : un algorithme doit à l'avenir aider les médecins à interpréter les données échographiques de l'utérus lors du premier examen et à diagnostiquer ainsi l'endométriose de manière nettement plus fiable et rapide. Ils bénéficient du soutien technique de l'ETH AI Center et de ses deux cofondateurs, le professeur d'informatique de l'ETH Joachim Buhmann et Julian Metzler, spécialiste de l'endométriose à l'H?pital universitaire de Zurich.

Entrepreneur par hasard

Si Fabian Laumer développe aujourd'hui des solutions médicales, il le doit doublement au hasard. En effet, bien que la médecine et la biologie le fascinent depuis son enfance, il a d'abord étudié l'électrotechnique et les technologies de l'information. Ce n'est que lors de son master qu'il a pu associer l'intelligence artificielle (IA) et la médecine. "C'est par hasard que j'ai appris que le groupe de recherche de Joachim Buhmann avait mis au concours un mémoire de master sur l'analyse basée sur l'IA des données échographiques du c?ur", raconte Laumer. Il a immédiatement posé sa candidature - avec succès.

Après l'obtention de son dipl?me de master, il a poursuivi ses recherches dans le cadre d'une thèse de doctorat. Et une fois de plus, le hasard lui est venu en aide. Michael Bajka a contacté son groupe de recherche pour lui demander si l'IA pouvait être utilisée pour détecter l'endométriose. Avec sa demande, le gynécologue spécialisé dans l'endométriose était à la bonne place auprès de Fabian Laumer. Dans le cadre de sa thèse de doctorat, le chercheur de l'ETH a développé un algorithme permettant de mieux interpréter les données échographiques du c?ur. Ils ont maintenant transposé cette approche à l'utérus.

Des images 2D pour un modèle 3D

Laumer et Bajka ont développé un algorithme qui détecte les pathologies sur les images échographiques de l'utérus, qui sont souvent difficiles ou impossibles à voir pour l'?il humain. Pour cela, Laumer a entra?né l'algorithme avec des images échographiques et des données de patientes. "Le nombre de grossesses et de césariennes, l'?ge ou la phase du cycle - tout cela a bien s?r une influence sur l'apparence de l'utérus", explique-t-il.

Deux échographies, sur l'une une zone est colorée en bleu.
Une échographie montrant l'endométriose marquée en couleur. (Image : Fabian Laumer et Michael Bajka)

Actuellement, l'algorithme indique déjà les foyers d'endométriose par des marques de couleur sur les échographies 2D. Si le travail de développement se déroule comme prévu, Fabian Laumer espère pouvoir générer d'ici la fin de l'année un modèle 3D de l'utérus sur lequel toutes les excroissances et les adhérences seront clairement marquées. Les gynécologues pourraient ainsi localiser précisément les foyers d'endométriose et mieux évaluer la gravité de la maladie.

Normes pour le diagnostic de l'endométriose

Pour que la solution d'IA de Scanvio fournisse des résultats aussi fiables que possible, Bajka et Laumer souhaitent en outre définir des normes établies pour l'examen par ultrasons de l'endométriose. Un logiciel avec IA intégrée doit donc à l'avenir guider activement l'examen. "Nous parvenons ainsi à une standardisation et le programme garantit en même temps que l'ensemble de l'utérus est représenté".

Pour pouvoir faire avancer la recherche, le spin-off est actuellement à la recherche d'autres investisseurs et mène les premiers entretiens avec des fabricants d'appareils médicaux. Si tout se déroule comme prévu, une entrée sur le marché est envisageable fin 2025. Différentes certifications seront alors nécessaires pour que le logiciel intelligent puisse être utilisé dans les appareils médicaux. Pour Laumer, une chose est s?re : "Mon objectif est qu'à l'avenir, les femmes obtiennent un diagnostic fiable en l'espace d'un an".

Remarque : cet article a été mis à jour le 31.05.2024 pour refléter le changement de nom du spin-off de l'ETH dAIgnose en Scanvio.

JavaScript a été désactivé sur votre navigateur