La stadification précise des ganglions lymphatiques potentiellement envahis par des cellules cancéreuses reste sujette à la lecture des coupes histologiques par l’œil humain, et elle n’est donc pas sûre à 100%. Dans ce cadre notamment, l’intelligence artificielle (IA) est actuellement porteuse de grands espoirs. En Chine, une équipe de chercheurs a voulu la tester dans le cancer de la vessie, au travers d’un modèle diagnostique des métastases ganglionnaires sur des images de lames entières.
L’étude, de type rétrospectif et multicentrique (5 hôpitaux), incluait 998 patients consécutifs atteints d'un cancer de la vessie, qui avaient subi une cystectomie radicale et une dissection des ganglions lymphatiques pelviens entre janvier 2013 et décembre 2021, et pour lesquels des images de lames entières de sections de ganglions lymphatiques étaient disponibles (7.991 images de bonne qualité retenues). Le critère d'évaluation principal était la sensibilité diagnostique.
L'aire sous la courbe pour le diagnostic précis par le modèle d’IA était comprise entre 0,978 (IC 95%: 0,960-0,996) et 0,998 (0,996-1,000) dans les cinq ensembles de validation prédéfinis par les chercheurs. La comparaison des performances entre le modèle et les pathologistes a montré que la sensibilité diagnostique du modèle (0,983 [IC 95%: 0,941-0,998]) dépassait largement celle des pathologistes, qu’ils soient débutants (0,906 [0,871 - 0,934]) ou expérimentés (0,947 [0,919-0,968]), et que l'assistance par l'IA améliorait la sensibilité tant chez les débutants (passant de 0,906 sans IA à 0,953 avec IA) que chez les expérimentés (passant de 0,947 à 0,986).
Par ailleurs, chez 13 patients, le modèle d’IA a détecté des micrométastases tumorales qui n'avaient pas été repérées par les pathologistes, qui avaient donc précédemment classé les résultats de ces patients comme négatifs.
En conclusion, comme ce modèle facilite la lecture des lames et – surtout – est en mesure de détecter des cas positifs ignorés par l’œil humain même expérimenté, les auteurs de l’étude pensent qu’il présente un potentiel important pour une application clinique.
Lire aussi : Diagnostic moléculaire des gliomes diffus: comment DeepGlioma révolutionne la pratique clinique
