Des scientifiques américains ont récemment publié des résultats de recherche majeurs dans la revue Nature : le modèle d’intelligence artificielle FastGlioma, développé conjointement par l’Université du Michigan et l’Université de Californie à San Francisco, permet d’identifier rapidement les résidus de tumeurs cancéreuses lors d’une intervention chirurgicale cérébrale en seulement 10 secondes, marquant ainsi une avancée révolutionnaire en neurochirurgie.
Cette innovation combine l’imagerie optique microscopique et un modèle IA de base. L’équipe de recherche a utilisé plus de 11 000 échantillons chirurgicaux et 4 millions d’images microscopiques pour la pré-formation, en utilisant la technique d’imagerie tissulaire Raman stimulée développée par l’Université du Michigan pour obtenir des images haute résolution.
L’avantage majeur de FastGlioma réside dans son exceptionnelle capacité de détection. En pratique, le modèle présente un taux de 3,8 % seulement de résidus tumoraux à haut risque manqués, ce qui est bien meilleur que le taux de 25 % des chirurgies guidées par imagerie traditionnelle et fluorescence. Même en « mode rapide », sa précision moyenne atteint 92 %.
L’étude montre que FastGlioma peut également réduire la dépendance aux méthodes traditionnelles telles que l’imagerie radiologique, le contraste ou le marquage fluorescent. Cette technologie révolutionnaire permet non seulement aux chirurgiens de prendre des décisions rapides pendant l’intervention, mais elle peut également être appliquée à d’autres types de diagnostic de tumeurs cérébrales.
Il est important de noter que l’exérèse complète des tumeurs cérébrales représente un défi majeur en neurochirurgie, car les résidus tumoraux sont souvent difficiles à distinguer des tissus cérébraux sains. L’apparition de FastGlioma offre une nouvelle solution à ce problème clinique, marquant une étape importante pour l’intelligence artificielle dans le domaine de la médecine de précision.