IA : un an de collaboration entre Gustave Roussy et Owkin

Retour d’expérience sur la mise en place et le déroulement des projets collaboratifs mis en place entre la startup Owkin et Gustave Roussy, un beau modèle d’intégration réussie avec des avancées plus fortes qu’espérées.

Le 5 septembre 2019, Owkin, startup spécialisée dans l’intelligence artificielle (IA), remportait le premier challenge “AI For Health”, doté à hauteur d’1,5 millions d’euros et organisé par la Région Île-de-France en partenariat avec Gustave Roussy. Depuis, plus d’une vingtaine de personnes ont été impliquées, dont six data scientists d’Owkin et six médecins-chercheurs de Gustave Roussy. Une équipe d’Owkin s’est installée au sein de Gustave Roussy afin de faciliter et de démultiplier les collaborations. Le serveur de calcul d’Owkin a été mis en place à Gustave Roussy. Des logiciels d’annotation et d’interprétabilité ont également été déployés. Les projets de recherche sont menés à partir du principe de machine learning, un champ d’étude de l’intelligence artificielle fondé sur une approche statistique, à partir de données fournies à Owkin par Gustave Roussy. Un contrat cadre pose les fondations de cette collaboration.

Tous ces aspects ont permis de poser des bases solides afin de développer les deux projets d’intelligence artificielle d’Owkin qui ont remporté le data challenge : Race-AI and Puls-AI.

Les avancées du projet Race-AI

Race-AI, projet porté à Gustave Roussy par le Pr Fabrice André et le Pr Jean-Yves Scoazec, a pour objectif d’utiliser l’intelligence artificielle au service des patients. En remportant le data challenge, les équipes d’Owkin ont pu travailler sur une base de données anonymisées comportant le suivi complet de plus de 1 800 patientes atteintes d’un cancer du sein localisé, diagnostiquées entre 2005 et 2013 et suivies à Gustave Roussy. Ainsi, grâce à ce projet, l’IA pourrait permettre de prédire les risques de rechute chez les patientes atteintes d’un cancer du sein localisé. L’objectif de ce projet est d’établir un score de risque de rechute grâce à l’intelligence artificielle en combinant l’analyse de lames d’histologie, de données cliniques, de traitement et de suivi. Un an après le début du projet, les résultats sont prometteurs pour la prédiction à la fois de l’éventualité de rechute mais aussi du caractère hormono-dépendant d’un cancer.

Pour plus d'informations sur le projet Race-AI

> Voir le replay du webinar du 13 octobre 2020, avec pour intervenants le Pr Fabrice André et le Dr Magali Lacroix-Triki de Gustave Roussy

Les avancées du projet Puls-AI

Le projet Puls-AI, porté par les équipes d’Owkin avec le Pr Nathalie Lassau de Gustave Roussy, a pour objectif de développer des modèles capables de prédire précocement l’efficacité de traitements anti-angiogéniques, classe de médicament anticancer qui inhibent la formation des vaisseaux sanguins. Les algorithmes pourraient prédire plus tôt l’évolution de la taille des tumeurs, dès les premiers mois de traitement, voire avant que celui-ci ait commencé.

Les données collectées à partir d’images d’échographie et de scanner chez des patients atteints de différents cancers primitifs (foie, rein, mélanome, colorectal principalement) constituent la base de travail de ce projet. Les recherches se fondent sur une cohorte composée de données cliniques et d’imagerie de 1 800 patients. En parallèle du traitement et du nettoyage des bases de données, l’équipe a déjà débuté le développement de modèles à partir des données combinées des deux-tiers de la cohorte. Après une approche dite à baseline - avant le début du traitement chez le patient - les chercheurs vont enrichir le modèle et le développer par une approche dite longitudinale qui utilise les données des premières semaines de traitement pour ajuster le pronostic.

Zoom sur les prochaines étapes du projet

Les prochaines étapes sont multiples et incluent :

• Le renforcement des modèles, avec un approfondissement des analyses et une optimisation des performances, une validation externe par l’intégration de cohortes d’autres centres ou hôpitaux ainsi qu’une comparaison des résultats aux outils existants
• L’accessibilité à l’expertise, qui passe par une validation clinique, par le déploiement en recherche académique et par l’ouverture du modèle à d’autres centres à des fins de recherche
• L’ouverture vers de nouveaux projets et la mise en place d’un produit