Apprentissage automatique pour la détection de la Leucémie Myéloïde Aiguë (LMA) à partir d'images microscopiques de sang
Apprentissage automatique pour la détection de la Leucémie Myéloïde Aiguë (LMA) à partir d'images microscopiques de sang
Fichiers
Date
2025-06-23
Auteurs
BOUCHENAK Ilyes Abderraouf
TAOUDIAT Nabila
Nom de la revue
ISSN de la revue
Titre du volume
Éditeur
Résumé
Les leucémies aiguës, en particulier la leucémie aiguë myéloïde (LAM), sont des hémopathies malignes graves nécessitant un diagnostic rapide et précis. Actuellement, le diagnostic repose sur l’examen cytologique des cellules sanguines ou médullaires, une procédure complexe qui dépend fortement de l’expertise humaine et peut entraîner des retards dans la prise en charge. Ce travail propose une approche combinée, à la fois clinique et technologique, visant à automatiser la détection de la LAM à l’aide de modèles d’intelligence artificielle. Dans le cadre d’une étude combinée, 201 cas rétrospectifs ont été analysés et complétés par 6 observations cliniques prospectives recueillies au service d’hématologie de l’EHU 1er Novembre 1954 d’Oran entre janvier 2020 et avril 2025, que nous avons utilisées pour tester les performances de plusieurs modèles préentrainés. Ces modèles U-Net pour la segmentation d’images, Vision Transformer pour la classification, et XGBoost pour la prédiction à partir de données biologiques, ont été entraînés sur des bases publiques. Cette synergie entre expertise médicale et traitement automatique permet d’assister le diagnostic dans des contextes à ressources limitées. Une étude technico-économique a également été menée dans l’objectif de valoriser cette solution dans un cadre de startup.
Description
Mots-clés
Leucémie Aiguë Myéloïde (LAM), Diagnostic Cytologique, Intelligence Artificielle, Analyse d’Images Médicales, Aide au Diagnostic, Santé Numérique.