Apport de l'intelligence artificielle par l'utilisation de données multimodales dans le dépistage des syndromes myélodysplasiques à l'hémogramme
Résumé
Les syndromes myélodysplasiques sont des hémopathies au pronostic très variable, et dont le dépistage peut s'avérer complexe. Plusieurs auteurs ont montré l'importance des paramètres de l'hémogramme pour leur dépistage. Dans l'optique d'élaborer un modèle d'intelligence artificielle basé sur l'apprentissage profond utilisant la reconnaissance d'images associée à l'analyse des paramètres de l'hémogramme, nous avons constitué plusieurs jeux de données d'images issues des frottis sanguins de patients sains et atteints de SMD. Ce travail s'attache à décrire les différentes cohortes de patients utilisées et à présenter plusieurs points clés de la construction du modèle et de son entraînement. Au total, 208 patients ont été inclus entre Octobre 2021 et Avril 2023 dans 3 centres hospitaliers universitaires. Un jeu de données de 3 227 images de polynucléaires neutrophiles a été constitué pour entrainer le réseau neuronal à reconnaître les cellules appartenant à un patient atteint de syndrome myélodysplasique, ainsi qu'un jeu de données de 6 521 images d'entraînement pour l'analyse multimodale et l'évaluation des performances.