Le consultant dans le projet MICO

Contexte

Le projet MICO (Microscope Cognitif : explorateur visuel axé cognition pour la histopathologie) a pour objectif de développer un explorateur visuel axé cognition pour l’histopathologie. Il s’agit d’un changement radical dans la pratique de la médecine en proposant un environnement d’imagerie médicale qui permet une prise de décision plus sûre en histopathologie.

Le projet MICO réunit six partenaires. IPAL, coordinateur du projet, travaille principalement sur l’exploration et l’analyse de l’image médicale. L’équipe UIMAP de GHU-PS fournit les connaissances du domaine et valide les outils proposés. TRIBVN offre la plateforme Calopix utilisée par le GHU-PS pour l’analyse des lames. Le LIP6, d’une part, intervient sur l’exécution de calculs lourds sur processeur graphique (GPU), et, d’autre part, la modélisation en graphe contextuel des raisonnements experts (là où nous intervenons). AGFA Health Care s’occupe de l’ingénierie de l’ontologie et la modélisation formelle des connaissances. Thales s’occupe de la couche sémantique intermédiaire entre les résultats des partenaires et aide à leur intégration dans la plate-forme Calopix.

Solution proposée

Pour développer le Consultant, nous sommes parti du gestionnaire de graphes contextuels (Brézillon, 2007). Nous avons réalisé des extensions de ce gestionnaire afin qu’il devienne un assistant intelligent, notre Consultant. En utilisant des propriétés de l’intelligence artificielle, nous avons fait évoluer notre outil pour le rendre plus adapté aux besoins de l’utilisateur et aussi compatible avec des utilisateurs de disciplines différentes. Nous appelons « utilisateur » toute personne susceptible d’utiliser notre système, experte, novice/débutante, de domaines différents.

Le Consultant interagit avec l’acteur humain (l’utilisateur) via une interface. Cette interface permet au système d’acquérir les instanciations des éléments contextuels du graphe en cours de simulation ou en cas de prise de décision. Il doit, au fur et à mesure de son évolution, permettre l’explication, l’observation, l’apprentissage, la collaboration et l’interaction avec l’utilisateur. Le Consultant contient les outils nécessaires au bon déroulement d’une simulation. Le cœur de notre Consultant est donc un simulateur. Ce simulateur permet d’améliorer la qualité des services proposés à l’utilisateur à travers l’exploitation de graphes contextuels. On parle ainsi de simulations basées sur les graphes contextuels ou CxG_simulations (Brézillon, 2014). Les graphes contextuels en entrée du simulateur, comme les résultats des simulations, sont enregistrés dans une « base d’expériences ». La base d’expériences contient les pratiques réalisées ainsi qu’une « base de traces » contenant tous les événements qui peuvent survenir au cours d’une simulation (par exemple, mise en pause ou interruption de la simulation, retour en arrière dans la simulation, test d’une pratique alternative, changement inattendu de contexte, etc.). Le simulateur utilise la base d’expériences et une base d’utilisateurs pour étudier et analyser les connaissances des différentes bases afin de tirer de nouvelles connaissances pouvant aider l’utilisateur dans sa prise de décision en lui proposant une vue synthétique des pratiques réalisées. Le simulateur développe avec l’utilisateur une pratique dans un contexte de travail donné. Il peut profiter de ces simulations pour apprendre de nouvelles connaissances auprès de  l’utilisateur et enrichir ainsi sa base d’expériences pour une utilisation future plus efficace. Le Consultant est à la fois générique/standard pour permettre d’élargir le champ d’application, et spécifique/particulier pour offrir une meilleure personnalisation de l’outil à l’utilisateur. La généricité permet de satisfaire un maximum d’utilisateurs de disciplines différentes, et la personnalisation rend l’outil parfaitement adapté aux besoins de l’utilisateur. Cet aspect bipolaire du consultant fait que plusieurs classes d’utilisateurs pourront personnaliser l’outil à l’ouverture de leur session de travail.

Etat de l’art

Les fonctionnalités du Consultant sont illustrées dans le domaine du diagnostic du cancer du sein. Le système est supposé être utilisé par des experts du domaine dont le raisonnement repose sur des connaissances contextuelles. Le Consultant entre dans le cadre des systèmes d’aide intelligents et son principal module est un simulateur. Dans ce chapitre, nous faisons le point principalement sur le domaine (le diagnostic du cancer du sein), l’expert (le pathologiste) et l’expertise (l’analyse de lames numériques), les systèmes d’aides, le contexte et nous finissons par la simulation .

Classe de problèmes

But et cadre

Notre travail s’inscrit donc dans le cadre du projet MICO (Microscope Cognitif: explorateur visuel axé cognition pour la histopathologie  ). L’objectif de ce projet est de contribuer au passage de la lame réelle (physique, visualisable à travers le microscope) à la lame numérisée (visualisable sur écran), passage qui est considéré comme une rupture dans la pratique de la médecine. Le projet MICO propose pour cela un environnement d’imagerie médicale permettant une prise de décision plus sûre en l’histopathologie. Dans le cadre de ce projet nous ne nous intéressons qu’à l’aide que nous pouvons apporter en histopathologie pour le diagnostic du cancer du sein. Les médecins référents (ACPs ), spécialistes dans le diagnostic du cancer, sont considérés comme des experts du domaine : ils doivent prendre une décision critique et irréversible. Ce sont les utilisateurs du Consultant.

Notre but est la conception d’un outil d’aide au diagnostic médical. Cet outil doit répondre aux exigences et contraintes du domaine, de la pratique, des conventions inter- et intra-service, de la personnalité et de l’expertise des médecins. Le défi du projet MICO est d’associer les techniques d’intelligence artificielle du LIP6 aux techniques d’imagerie / algorithmes de IPAL sur les plateformes proposées par TRIBVN, THALES et AGFA afin de créer un outil facile à utiliser qui soit dédié à la gradation du cancer du sein pour l’équipe UIMAP à l’Hôpital de La Pitié-Salpêtrière de AP-HP à Paris. Le challenge est d’aider ces experts dans leur interprétation des images biomédicales en nous intéressant plus particulièrement à la cognition mise en jeu lors de cette activité par une capitalisation dynamique, sous la forme d’une base d’expériences, des interprétations par les ACPs sur les images biomédicales, et la réalisation d’un système capable d’exploiter une telle base d’expériences afin de proposer par la suite une assistance sur de nouvelles images ou pour de nouveaux ACPs. L’aide au diagnostic qui est apportée à ces experts consiste à retrouver et à leurs présenter les différentes alternatives utilisées précédemment lors d’un choix, suggérer des démarches plus adaptées que d’autres dans un contexte précis, expliquer certaines pratiques pour un apprentissage ou un rafraichissement de la mémoire. Cette aide est fournie par un outil jouant le rôle d’un consultant auquel le médecin pourra faire appel. Ce Consultant  peut être utilisé tout au long de la démarche du médecin. Il propose principalement de rejouer la réalisation d’une tâche (conduisant au développement d’une pratique) à l’aide de la simulation. Toutefois, notre travail, bien que développé pour le projet MICO, a une portée plus générale. Par exemple, des résultats ont déjà été repris dans le projet FlexMIm visant l’implantation d’une plate-forme de télédiagnostic pour les pathologistes de la région parisienne.

Le diagnostic médical

Emile Littré (1863) dans son dictionnaire médical décrit : « L’art du diagnostic médical comme l’art de reconnaître les maladies par leurs symptômes (les signes) et de les distinguer les unes des autres ». Guillaume Fonsegrive précise dans sa thèse (2008) que le diagnostic ne représente qu’un moment, une étape de la démarche de soins, celle de la réflexion précédant une prise de décision. Cette étape décisive conditionne la suite de la prise en charge, bien que certains traitements puissent être entrepris en l’absence de diagnostic établi. Elle est toutefois indécise, tant dans sa temporalité que dans ses implications. Certes, les méthodes et le support de diagnostic sont différents selon la pathologie, l’avancement de la maladie, etc., mais pour tout diagnostic, le médecin part d’une interrogation à laquelle il cherche à trouver une réponse en utilisant les éléments dont il dispose.

Le diagnostic du cancer du sein

Le diagnostic du cancer du sein reste largement une activité humaine car son automatisation ne peut être que très partielle. Une partie importante de ce type de diagnostic est l’analyse d’images biomédicales qui est très subjective. Le Consultant ne remplacera donc jamais le médecin, mais au contraire chercher à l’assister dans sa démarche en lui laissant la pleine responsabilité du processus de prise de décision. Un ensemble de paramètres agissent sur le déroulement du diagnostic. Ces paramètres sont internes ou externes au diagnostic mais tous influent sur le résultat. Lors de la collaboration avec les partenaires du projet MICO, et particulièrement les médecins, nous avons mis en évidence un ensemble de contraintes affectant la fiabilité des résultats du diagnostic :
– Les contraintes temporelles : Certains diagnostics nécessitent une gestion temporelle car ils sont liés à d’autres examens (par exemple, la poursuite d’une opération chirurgical dépend du diagnostic réalisé à l’extérieur du bloc sur un prélèvement).
– La variabilité des cas : Chaque patient est un cas particulier qui n’est jamais identique à un autre sur l’ensemble de tous les paramètres, d’où l’importance de l’expertise des médecins qui relève plus, sans être péjoratif, d’un art que d’une science.
– Les conséquences d’une erreur : Le diagnostic est le point de départ d’un traitement particulier de la maladie qui a été identifiée ; aussi une erreur de diagnostic peut conduire à une dégradation grave de l’état du patient.
– La subjectivité du diagnostic : le diagnostic médical est subjectif et sensible à plusieurs paramètres intérieurs et extérieurs aux objets du diagnostic. Ces paramètres sont en partie prédéfinis et enseignés mais une grande partie reste relative, d’une part, aux propriétés de l’objet et aux évènements extérieurs qui peuvent surgir, et, d’autre part, à l’expérience du médecin.

Ces contraintes expliquent le fait qu’il n’existe pas de normes assurant la fiabilité de la décision (Shanteau, 1992), et cette observation est particulièrement d’actualité en médecine où la variabilité biologique est importante. Une des missions de notre Consultant est d’aider à mieux contrôler cette variabilité et d’offrir une aide au médecin dans son travail. Nous insistons sur le fait qu’il s’agit seulement d’une aide au médecin.

Table des matières

Chapitre 1 : Introduction
Chapitre 2 : Etat de l’art
2.1. Classe de problèmes
2.1.1. But et cadre
2.1.2. Le diagnostic médical
2.1.3. Le diagnostic du cancer du sein
2.2. Connaissances et expertises du domaine
2.2.1. Définition et caractéristiques d’un expert
2.2.2. L’expertise dans l’analyse de l’image
2.2.3. Le cancer du sein
2.2.4. Les connaissances médicales
2.2.5. Solution proposée par le projet MICO
2.2.6. Contribution du LIP6 et des graphes contextuels
2.3. Les systèmes d’aide
2.3.1. Historique sur les systèmes d’aide
2.3.2. Systèmes Experts
2.3.3. Systèmes Interactifs d’Aide à la Décision
2.3.4. Systèmes d’assistance intelligents
2.3.5. Systèmes prenant en compte le contexte
2.3.6. Récapitulation des caractéristiques des systèmes
2.4. Modélisation et Management du Contexte
2.4.1. De l’arbre de décision au graphe contextuel
2.4.2. Le contexte
2.4.3. L’outil Graphes Contextuels
2.4.4. Décomposition du graphe contextuel en arbre
2.5. La simulation
2.5.1. Les avantages de la simulation
2.5.2. Les types de simulation
2.5.3. Composantes/caractéristiques d’un simulateur
2.5.4. Positionnement de la simulation proposée
Chapitre 3 : Un système intelligent : le Consultant
3.1. Niveau conceptuel : Le soutien du Consultant à l’expert
3.1.1. Architecture du Consultant
3.1.2. Interface avec l’utilisateur
3.1.3. Interface avec les graphes contextuels
3.2. Niveau implémentation: management du Consultant
3.2.1. L’outil Simulation
3.2.2. Management des simulations
Chapitre 4 : Le Consultant dans le projet MICO
4.1. Diagnostic du cancer du sein : méthode humaine
4.1.1 Détection d’une mitose
4.1.2. Lame numérique comme support de raisonnement
4.1.3. Modélisation du processus d’analyse d’images
4.2. Diagnostic sur la plate-forme Calopix
4.3. Diagnostic utilisant le simulateur
4.4. Gestion des simulations 103
4.4.1. Gestion des images des lames
4.4.2. Gestion de la trace
4.4.3. Gestion des simulations existantes
4.5. Résultats de la simulation
4.5.1. Hiérarchie des dossiers sauvegardés
4.5.2. La bibliothèque d’images de lames
4.5.3. La réutilisation des pratiques développées
Chapitre 5 : Conclusion

Télécharger le rapport complet