ARTIFICIAL INTELLIGENCE-BASED DIAGNOSIS OF PATHOLOGIES

The invention relates to the field of medicine and can be used as a medical assistant for making diagnoses using artificial intelligence technology. In a method for diagnosing pathologies using artificial intelligence technology, implemented by a computing device, an image of a biopsy specimen is obtained containing a pathology. The obtained biopsy image is analyzed at a low resolution to obtain a thumbnail image which is searched for regions containing tissues, and said regions are clustered into larger objects. Patches are read at a high resolution. The patches obtained in the previous step are run through a segmenting artificial neural network (ANN) to obtain a multichannel mask containing classes of pathologies. The mask containing classes of pathologies is vectorized for representation in the form of polygons. The polygons are grouped according to biopsy specimens, from which they are extracted to obtain a provisional diagnosis for each biopsy specimen. The following are determined for each biopsy specimen: the total area of damage, the length of damage, the type of pathology and the Gleason score to allow more accurate and rapid diagnosis by a doctor with the aid of digitized histological slides. L'invention se rapporte au domaine des techniques médicales, et peut être utilisée comme un assistant médical pour effectuer un diagnostic en utilisant des techniques d'intelligence artificielle. On effectue un diagnostic de pathologies en utilisant des techniques d'intelligence artificielle que l'on exécute sur un dispositif informatique, et on obtient une image d'un échantillon de biopsie comprenant la pathologie. On effectue une analyse de l'image obtenue de l'échantillon de biopsie à basse résolution afin d'obtenir une miniature et on recherche dans la miniature des régions comprenant des tissus ainsi qu'un regroupement des régions en des objets plus importants. On lit ensuite les patchs en résolution élevée. On fait ensuite passer les patchs obtenus lors de l'étape précédente dans un réseau neuronal artificiel (RNA) de segmentation afin d'obtenir un masque à canaux multiples comprenant des classes de pathologies. On effectue une vectorisation du masque avec les classes de pathologies afin de les représenter sous forme de polygones. On regroupe les polygones en fonction des échantillons de biopsie desquels ils sont extraits afin d'obtenir un diagnostic préalable pour chacun des échantillons de biopsie. On détermine pour chacun des échantillons de biopsie