Deep Learning au quotidien

Contexte

Le Service de pathologie clinique des HUG, déjà pionnier dans le domaine de l'intégration d'outils numériques dans les flux de diagnostic de routine, a développé des algorithmes de Deep Learning (DL) qui améliorent de manière significative l’analyse des prélèvements tissulaires ou cellulaires d'origine biopsique, chirurgicale et cytologique. Cette activité permet non seulement l’établissement de diagnostics, mais également l’évaluation de facteurs pronostiques ou prédictifs. 
Cependant, un travail considérable d’annotation des images est requis afin de développer ces outils. 

Projet

Ce projet propose un cadre standardisé pour rationaliser le développement et la mise en œuvre des algorithmes DL supplémentaires dans les soins cliniques. Ce faisant, il vise à améliorer la fiabilité et l'efficacité de ces outils dans le monde réel, en veillant à ce qu'un plus grand nombre d'institutions puissent bénéficier des progrès de la technologie DL.

Où en sommes-nous ?

Mars 2026 : Au cours de la première année, l’équipe a développé avec succès un système d’annotation automatisé et généralisable permettant de produire environ 16 millions de cellules annotées, dont 170 000 mitoses, afin d'entraîner un outil d'évaluation de la sévérité tumorale. La création manuelle de ce même jeu de données aurait nécessité plus de 10 000 heures de travail. Une méthode de calibration des images issues de différents types de scanners a été développée pour garantir des résultats cohérents entre les appareils actuels et futurs. Le système est actuellement en cours d’optimisation et d’intégration à la plateforme clinique, avec une validation prévue avant son déploiement.

Chefs de projet

Professeur Doron Merkler, Médecin-chef de service, Service de pathologie clinique, Département diagnostique, Hôpitaux universitaires de Genève & Professeur ordinaire, Faculté de médecine, Département de pathologie et immunologie, Université de Genève

Monsieur Andrew Janowczyk, Analyste en informatique, Service d'oncologie de précision, Département d’oncologie, Hôpitaux universitaires de Genève