Applications du deep learning pour l'histologie

Dans cet exposé, Pierre Courtiol présente trois exemples récents d'applications du deep learning en histologie dans le domaine du cancer : prédiction pronostique, prédiction génomique et intégration des connaissance expertes. Il montre comment l'analyse des grandes images d'histologie (100,000 pixels par 100,000 pixels) avec des méthodes de deep learning faiblement supervisées permet de construire des modèles prédictifs interprétables et ainsi d'apporter un nouveau regard sur la biologie tumorale.

Références :

  • Courtiol, Pierre, et al. "Deep learning-based classification of mesothelioma improves prediction of patient outcome." Nature medicine 25.10 (2019): 1519-1525.
  • Schmauch, Benoît, et al. "Transcriptomic learning for digital pathology." bioRxiv (2019): 760173.
  • Saillard, C. et al. "Predicting survival after hepatocellular carcinoma resection using deep-learning on histological slides" Hepatology. 2020 Feb 28. doi: 10.1002/hep.31207