Data Challenge VisioMel - Prédiction de la récidive à 5 ans des mélanomes localisés

Objectifs de l’algorithme

Ces algorithmes sont les algorithmes lauréats produits dans le cadre du data challenge VisioMel, porté par la Société Française de Pathologie, la Société Française de Dermatologie, le Groupe de Cancérologie Cutanée et le Conseil National Professionnel des Pathologistes. Au cours de ce challenge les participants ont eu pour objectif de créer des algorithmes d’intelligence artificielle (IA) permettant de prédire la récidive à 5 ans des patients atteints de mélanome à l’aide d’images numériques de lames histologiques de mélanome et de variables cliniques. 

La compétition s’est déroulée du 23 mars au 11 mai 2023 et a attiré un total de 541 participants qui ont soumis 637 algorithmes. En moyenne, les algorithmes des lauréats ont permis de correctement détecter 73 % des cas de rechutes et 75 % des cas “sans rechute”. 

Pour en savoir plus sur les data challenges en santé accompagnés par le HDH, rendez-vous ici.

Auteur(s)

Domaine médical

Méthodologie

Langage de programmation

Données utilisées

Données d'application

Ces algorithmes ont été développés dans le cadre du Data Challenge VisioMel sur la base d’un ensemble de données constitué de données cliniques et d'images haute résolution de lames microscopiques issues de la numérisation d’exérèse de mélanome.

Cette base de données sera prochainement accessible en open data sur data.gouv.fr. 

Les patients inclus ont été sélectionnés à partir de la base de données RIC-Mel, une base de données nationale rassemblant aujourd’hui les données d’environ 40000 patients atteints de mélanomes. Le patient devait avoir été diagnostiqué à un stade localisé (stade 0 - IIC) et avoir au moins 5 ans de suivi (diagnostic entre 2012 - 2016). 

Les variables cliniques collectées sont les suivantes : 

• âge,
• sexe,
• historique médical du patient,
• localisation du mélanome (membre supérieur, membre inférieur, tronc, zone céphalique),
• Breslow, Présence/absence d'ulcération
• antécédents familiaux,
• évolution du cancer/récidive dans les 5 ans. 

Les lames histologiques correspondant à ces patients sont en parallèle désarchivées et numérisées dans les laboratoires d’anatomie pathologique. Les données compilées sont ensuite anonymisées.

Plus d’informations sur la méthodologie de collecte de données ici (schéma de collecte de données).

Validation

 Plus d’informations dans les dépôts GitHub associés aux algorithmes lauréats.

Date de dernière mise à jour

Maintenance

 Plus d’informations dans les dépôts GitHub associés aux algorithmes lauréats.

Comment installer l’algorithme ?

Comment utiliser l’algorithme ?

Contributions

Crédits

Licence et conditions d’utilisation

Autre