La FSS engagée dans l’innovation en santé : le projet MAMMONET de A. Alain Fréjus ATCHE sélectionné par le PNUD

 Un projet d’envergure pour l’anatomie-pathologie

Six mois après avoir lancé un appel autour d’un projet ambitieux visant à réduire la mortalité liée au cancer du sein grâce à l’intelligence artificielle, Fréjus ATCHE et son équipe voient leurs efforts récompensés.

Leur projet, dénommé MAMMONET, a été sélectionné par le Programme des Nations Unies pour le développement (PNUD) parmi 54 projets soumis, pour faire partie des 4 initiatives retenues. Il bénéficie désormais d’un accompagnement stratégique, en collaboration avec Bénin Excellence.

Cette reconnaissance témoigne du potentiel innovant du projet et de sa pertinence face aux enjeux sanitaires actuels.

Le cancer du sein : un défi majeur de santé publique

Le cancer du sein constitue aujourd’hui la première cause de mortalité par cancer chez la femme dans le monde. Selon l’Organisation Mondiale de la Santé, environ 3,2 millions de nouveaux cas sont diagnostiqués chaque année.

Au Bénin, la situation est particulièrement préoccupante : environ 1 500 nouveaux cas sont recensés chaque année, avec un taux de mortalité estimé entre 50 et 60 % selon Pr Freddy GNAGNON, Maître de Conférence Agrégée en Chirurgie carcinologique. Cette réalité est aggravée par une insuffisance critique de ressources humaines et techniques.

D’après la Carte Sanitaire du Bénin en 2024, le Bénin ne compte que 12 médecins anatomopathologistes et 4 laboratoires spécialisés pour près de 15 millions d’habitants. Cette pénurie entraîne des délais diagnostiques prolongés, pouvant atteindre 5 à 6 semaines, retardant ainsi la prise en charge des patientes et augmentant significativement le risque de complications et de décès.

MAMMONET : l’intelligence artificielle au service du diagnostic

Face à ce défi, Fréjus ATCHE et son équipe ont développé MAMMONET, un modèle d’intelligence artificielle capable d’analyser automatiquement les images histopathologiques issues des biopsies mammaires.

L’objectif est clair :

• détecter la présence de cellules cancéreuses,
• différencier les lésions bénignes des formes malignes,
• assister les spécialistes dans leur prise de décision,
• et réduire surtout le délai du diagnostic

Pour eux, leur modèle n’a pas vocation à remplacer le médecin, mais à renforcer ses capacités en améliorant la rapidité et la fiabilité du diagnostic.

Grâce à cette innovation, le délai d’orientation diagnostique pourrait être réduit à seulement 2 à 3 jours, contre plusieurs semaines. Une avancée majeure qui pourrait transformer le pronostic des patientes, même en cas de diagnostic tardif.

Au-delà du développement de ce modèle, une plateforme dont voici le lien : https://mammonet.netlify.app/  a été mis en place avec pour composante, les informations utiles sur le cancer du sein, prise de rendez-vous avec les spécialistes et les laboratoires, accessibles à tous et une autre partie “IA diagnostic” exclusivement réservée aux médecins anatomo-pathologistes

Un prototype déjà fonctionnel

À ce jour, un prototype du modèle a été développé et entraîné avec succès. Le système repose sur un modèle ResNet50 entraîné sur le dataset BreakHis avec environ 800 images histopathologiques, atteignant une précision de 83% et un recall de 88% pour la classification binaire bénin-malin. L’architecture technique comprend un backend Flask avec authentification sécurisée, un système de prétraitement d’images optimisé, et une interface utilisateur responsive permettant l’upload et l’analyse en temps réel. Le déploiement a été testé sur Railway avec succès, bien que des contraintes de ressources (512 MB RAM) aient nécessité des optimisations importantes incluant la configuration CPU-only de TensorFlow et l’ajustement des timeouts Gunicorn. Une infrastructure Docker complète a été mise en place permettant un déploiement flexible soit sur Railway, soit sur VPS dédié via Dockerfile optimisé. Le prototype est actuellement opérationnel en local avec des temps de prédiction de 2-3 secondes, prêt pour validation clinique et déploiement production sur infrastructure adaptée.

Cette première version constitue une base solide pour les prochaines phases du projet, désormais soutenues par le PNUD. Suivez le lien suivant pour la démo: https://drive.google.com/drive/folders/1XZuGFSK8E-x5-PAqaqfZ02V-lUDA0nwS

Les étapes à venir incluent :

• la collecte d’au moins 500 images histopathologiques supplémentaires dans les 04 laboratoires du Bénin pour rendre plus performant le modèle ;
• la segmentation et l’annotation des données en collaboration avec des spécialistes ;
• la validation clinique ;
• et son déploiement progressif dans les structures de santé.

Une vision ambitieuse pour l’Afrique

Au-delà du Bénin, l’ambition de MAMMONET est résolument panafricaine. Le projet vise à devenir une solution de référence en Afrique pour l’analyse des biopsies mammaires par intelligence artificielle.

À long terme, cette technologie pourrait également être étendue à d’autres cancers fréquents, notamment ceux du poumon et de la prostate…etc

Un appel à la collaboration académique et institutionnelle

Dans cette dynamique, Fréjus ATCHE et son équipe sollicitent l’accompagnement de la Faculté des Sciences de la Santé, ainsi que la collaboration des laboratoires d’anatomie-pathologie du Bénin.

L’objectif est de faciliter l’accès aux données médicales nécessaires au développement du modèle et de garantir une validation scientifique rigoureuse, essentielle à son intégration dans la pratique clinique.

Une fierté pour la FSS et un espoir pour la santé publique

La FSS se réjouit de compter parmi ses étudiants des profils engagés et innovants comme Fréjus ATCHE, dont le parcours illustre parfaitement le rôle croissant des futurs médecins dans la transformation numérique de la santé.

Nous adressons nos sincères remerciements au Programme des Nations Unies pour le développement et à Bénin Excellence pour leur soutien à cette initiative prometteuse.