Comment la Mayo Clinic a sélectionné son prestataire d'IA en pathologie ?

L'intelligence artificielle (IA) représente une avancée technologique majeure dans le domaine de l'anatomopathologie. De plus en plus d'établissements élaborent désormais les spécifications de leurs plateformes afin d'intégrer l'IA dans leurs flux de travail en pathologie numérique. L'IA est en effet prévue pour augmenter les capacités diagnostiques des pathologistes, prédire les résultats et suggérer des options thérapeutiques. Cette intégration promet d'améliorer considérablement la précision et l'efficacité des diagnostics, apportant ainsi des bénéfices significatifs aux praticiens et aux patients.^2-5

Dans une ne publication récente intitulée, « Democratizing Artificial Intelligence in Anatomic Pathology », du Dr Thomas J. Flotte et al., décrit comment l’un des hôpitaux les plus renommés au monde, la Mayo Clinic, a choisi Aiforia comme fournisseur pour l’analyse d’images pathologiques basée sur l’IA.

Les 6 critères de sélection de la Mayo Clinic pour les fournisseurs de plateformes d'IA

Pour créer un écosystème inclusif permettant à tous de contribuer au développement d'algorithmes d'IA en anatomopathologie, la Mayo Clinic a défini six critères clés pour évaluer les fournisseurs de plateformes potentiels :

1. Accessibilité et intuitivité : La plateforme doit être conçue pour des utilisateurs de tous niveaux de compétences techniques. Il est crucial que les débutants puissent l’utiliser facilement.

2. Variété des options de modélisation : La plateforme doit offrir une flexibilité et une adaptabilité à une large gamme d'utilisations et de capacités de modélisation, incluant la détection d'événements rares, la segmentation, la quantification spatiale, la classification et le pronostic. Le fournisseur doit démontrer un historique de développement réussi de modèles d'IA validés par de nombreux chercheurs utilisant diverses approches et critères d'évaluation.

3. Collaboration interne et externe : La plateforme doit permettre la collaboration entre utilisateurs au sein de l'institution et avec des partenaires externes validés, y compris ceux hors du pare-feu institutionnel.

4. Conformité aux exigences informatiques et de sécurité : Les équipes informatiques et de sécurité ont évalué la facilité d'intégration de la solution dans la plateforme cloud de la Mayo Clinic et identifié les vulnérabilités potentielles.

5. Capacité de transférer les développements au déploiement clinique : La plateforme doit supporter à la fois le développement d'algorithmes (phase de découverte) et leur intégration dans le flux de travail clinique. Il est essentiel que les algorithmes développés puissent être utilisés en pratique clinique.

6. Évolutivité de la plateforme : Bien que la version pilote puisse commencer avec un nombre limité d'utilisateurs, la plateforme doit pouvoir s'adapter à une augmentation future du nombre d'utilisateurs.

Après une évaluation approfondie de ces critères par les pathologistes et les équipes informatiques et de sécurité, la Mayo Clinic a sélectionné Aiforia comme fournisseur pour l'analyse d'images pathologiques basée sur l'IA, tant pour le flux de travail clinique que pour la recherche translationnelle.

Comment les pathologistes ont-ils été soutenus et engagés tout au long du processus de mise en œuvre ?

Un écosystème complet d'IA a été créé pour faciliter la mise en œuvre et le développement de l'IA, soutenant des pathologistes de divers niveaux d'expertise. Cet écosystème d'intelligence artificielle a reçu d'excellents retours des utilisateurs, prouvant qu'il réduisait les barrières d'entrée, abaissait le coût global du développement de l'IA, améliorait la qualité de l'IA et accélérait son adoption.¹ 

Voici les principaux fondements :

Plan de formation et d’intégration : Un comité d’éducation composé d’Aiforia, du Département de médecine de laboratoire et de pathologie, et de représentants du groupe d’éducation institutionnelle a créé un plan de formation pour l’intégration des utilisateurs de la plateforme et a fourni un soutien continu. Aiforia était responsable de la conception et de la mise en œuvre d’un programme d’intégration qui comprenait des sessions de formation, des enregistrements de cours magistraux complets, des FAQ et de courtes vidéos éducatives illustrant des tâches communes spécifiques. Un site Web de la communauté institutionnelle a été créé pour héberger tous les documents, y compris un forum de discussion et un système de tickets pour l’assistance aux utilisateurs.

Un comité de formation composé d'Aiforia, du Département de médecine de laboratoire et de pathologie, ainsi que de représentants du groupe d'éducation institutionnelle, a créé un plan de formation pour intégrer les utilisateurs de la plateforme et fournir un soutien continu. Aiforia était responsable de la conception et de la mise en œuvre d'un programme d'intégration comprenant des sessions de formation, des enregistrements de cours magistraux, des FAQ et de courtes vidéos éducatives illustrant des tâches spécifiques. Un site Web communautaire institutionnel a été créé pour héberger tous les documents, y compris un forum de discussion et un système de tickets pour l'assistance aux utilisateurs.

Instructeurs de formation d’Aiforia : L'équipe d'assistance d'Aiforia était régulièrement disponible pendant les heures de bureau, offrant aux utilisateurs la possibilité de poser des questions, de recevoir des conseils personnalisés, de discuter des obstacles et d'apprendre les uns des autres. Les instructeurs étaient également disponibles pour des sessions de tutoriel en tête-à-tête si nécessaire.

Ressources de soutien de la Mayo Clinic : Un cytotechnicien ayant une vaste expérience de l'IA a été nommé super-utilisateur d’Aiforia^® Create. Ce super-utilisateur était disponible pour guider et soutenir les utilisateurs dans le développement de modèles d'IA, par exemple en leur montrant comment annoter efficacement les images. Un Data Scientist a été désigné pour aider les utilisateurs dans la conception et l'interprétation des données, tandis qu'un chef de projet assurait l'assistance logistique, la gestion de la communication, la résolution des risques et des problèmes, ainsi que le suivi des mesures. Le groupe informatique de la Mayo Clinic gérait tous les tickets internes entrants concernant le cloud institutionnel.

Résultats obtenus : Du développement au déploiement clinique

Selon l’article¹  de référence, 84 utilisateurs de la Mayo Clinic ont suivi la formation durant les années 2022-2023. Parmi les 31 projets initiés, 30 ont abouti au développement complet des modèles d’annotation, de formation et de validation. Quinze résumés ont été soumis à des réunions nationales, dont 13 à l’USCAP 2024.

Pour plus d’informations sur l’USCAP :

• Liste des présentations de posters utilisant la plateforme Aiforia® à l’USCAP 2024 →
• Étude de cas : Développement d’un modèle d’intelligence artificielle pour faciliter la détermination de l’invasion dans l’adénocarcinome pulmonaire →

La première application clinique déployée par la Mayo Clinic était le modèle d’IA Ki67 d’Aiforia pour le diagnostic du cancer du sein. L’analyse des échantillons patients en routine clinique a débuté en mars 2023. A ce jour, trois modèles Aiforia sont utilisés par la Mayo Clinic pour l’assistance au diagnostique clinique. 

Un autre résultat notable de la collaboration entre la Mayo Clinic et Aiforia est QuantCRC, un modèle d’IA pronostique qui identifie des caractéristiques histologiques cruciales du cancer colorectal et fournit une estimation de la récidive, utile pour les décisions thérapeutiques. Regardez notre récent webinaire, où le Dr Rish K. Pai de la Mayo Clinic discute en détail de ce cas d’utilisation passionnant.

References

1. Flotte et al. (2024 April 23). Democratizing Artificial Intelligence in Anatomic Pathology. Arch Pathol Lab Med. https://doi.org/10.5858/arpa.2023-0205-OA
2. Flotte, T. & Bell, D. (2018, June). Anatomical pathology is at a crossroads. Pathology, 50(4), 373–374. https://doi.org/10.1016/j.pathol.2018.01.003 
3. Cohen, M. (2022). Practical Linear Algebra for Data Science (1st ed.). O’Reilly Media.
4. Bera et al. (2019, November). Artificial intelligence in digital pathology–new tools for diagnosis and precision oncology. Nat Rev Clin Oncol., 16(11), 703–715. https://doi.org/10.1038/s41571-019-0252-y 
5. Niazi et al. (2019, May). Digital pathology and artificial intelligence. Lancet Oncol., 20(5), e253–e261. https://doi.org/10.1016/s1470-2045(19)30154-8