Aide au diagnostic histopathologique multi-site et multimodal à l'aide de représentations de graphes – HistoGraph

L'histopathologie a largement contribué à la compréhension des phénomènes biologiques et des maladies. L'utilisation émergente de l'imagerie de lame entière (ILE) en pathologie numérique à grande échelle est associée à de nouveaux défis scientifiques: vastes quantités d'images de grande taille ; forte variance du signal (intra-coloration et inter-coloration); images très hétérogènes. Ces problèmes rendent difficiles l'application des algorithmes de traitement d'image conventionnels et les analyses inter-centres manquent fortement de robustesse.
HistoGraph réunit trois laboratoires d'informatique, deux spécialisés dans l'IA, l'apprentissage automatique et l'analyse d'images médicales et l’un spécialisé dans l'apprentissage automatique à partir de représentations à base de graphes, qui travailleront en collaboration avec un institut médical hébergeant l’un des laboratoires et un institut médical international (non-financé) pour résoudre ce problème.
Ce consortium développera des approches diagnostiques basées sur l’analyse par l'IA des images ILE dans le but de : (1) de segmenter les multiples structures anatomiques et cellules en utilisant des approches d'apprentissage profond dans les images ILE provenant de sites multiples (hôpitaux) sans annotations supplémentaires ; (2) de créer des approches basées sur des graphes pour capturer naturellement le contexte spatial des objets segmentés et permettre l'intégration d'informations multimodales ; (3) d'être interprétable afin d’extraire des informations supplémentaires à la fois pour l'approche diagnostique et pour les utilisateurs ; (4) d'effectuer une évaluation rigoureuse en utilisant des ensembles de données standards, et une application clinique définie en collaboration avec les pathologistes.