- Basée sur le deep learning, cette intelligence artificielle a passé au crible plus de 22 000 images de cancer pour déterminer avec précision l'origine des tumeurs métastatiques.
- L'IA a identifié correctement le cancer dans 83 % lorsque ce dernier était d'origine connue, et avec une précision de 61 % en cas de cancer primitif inconnu.
Pour les patients atteints de cancer, connaître le site primaire d’origine de la tumeur est essentiel pour permettre une action ciblée et ainsi augmenter le taux de survie. Pourtant, encore aujourd’hui, il reste impossible de déterminer l’origine des tumeurs métastatiques dans 1 à 2 % des cas de cancer. Or, le pronostic d'un cancer primitif inconnu (CPI) est mauvais, avec une survie globale médiane de 2,7 à 16 mois.
Afin de recevoir un diagnostic plus précis, les patients doivent souvent subir des examens diagnostiques approfondis et invasifs, qui peuvent retarder le traitement. Mais une intelligence artificielle (IA) pourrait permettre d'améliorer le diagnostic pour les patients atteints de cancers métastatiques complexes. Mise au point par des chercheurs du laboratoire Mahmood du Brigham and Women's Hospital, elle utilise des lames d'histologie acquises de manière routinière pour trouver avec précision les origines des tumeurs métastatiques tout en générant un "diagnostic différentiel", pour les patients atteints de CPI. Les résultats viennent de paraître dans la revue Nature.
"Presque tous les patients chez qui on diagnostique un cancer ont une lame d'histologie, qui est la norme de diagnostic depuis plus de cent ans. Notre travail fournit un moyen de tirer parti de données universellement acquises et de la puissance de l'intelligence artificielle pour améliorer le diagnostic de ces cas compliqués qui nécessitent généralement un travail de diagnostic approfondi", explique Faisal Mahmood, qui a dirigé les travaux.
Une précision de 83 % pour les cancers d’origine connue
Appelé Tumor Origin Assessment via Deep Learning (TOAD), cette IA est un algorithme basé sur le deep learning qui permet d’identifier simultanément la tumeur comme primaire ou métastatique et prédit son site d'origine. Pour entraîner leur modèle et le rendre plus précis, les chercheurs lui ont fait analyser des images pathologiques de tumeurs provenant de plus de 22 000 cas de cancer. Ils ont ensuite testé TOAD sur environ 6 500 cas d'origine primaire connue et analysé des cancers métastatiques de plus en plus compliqués afin d'établir l'utilité du modèle d'IA sur les CPI.
Pour les tumeurs dont l'origine primaire était connue, le modèle a identifié correctement le cancer dans 83 % des cas et a classé le diagnostic parmi ses trois principales prédictions dans 96 % des cas.
61 % de précision pour les cancers primitifs inconnus
Les chercheurs ont ensuite testé le modèle sur 317 cas de cancer du col de l'utérus pour lesquels un diagnostic différentiel avait été attribué. Ils ont constaté que le diagnostic de TOAD correspondait aux rapports des pathologistes dans 61 % des cas et qu'il figurait parmi les trois premiers dans 82 % des cas.
Désormais, les chercheurs espèrent poursuivre l'entraînement de leur modèle basé sur l'histologie avec davantage de cas et s'engager dans des essais cliniques pour déterminer s'il améliore les capacités de diagnostic et le pronostic des patients.
"Les prédictions supérieures du modèle peuvent accélérer le diagnostic et le traitement ultérieur en réduisant le nombre de tests auxiliaires à commander, en réduisant le prélèvement de tissus supplémentaires et le temps global nécessaire pour diagnostiquer les patients, qui peut être long et stressant", affirme le Pr Mahmood. Le chercheur estime qu’il ne s’agit ici que de "la première étape dans l'utilisation d'images de lames entières pour la prédiction de l'origine du cancer assistée par l'IA, et c'est un domaine très excitant qui a le potentiel de normaliser et d'améliorer le processus diagnostique".
