Selon un travail copublié par les médecins de l'institut Curie dans la revue « npj Breast Cancer » (du groupe Nature), la solution d’intelligence artificielle (IA) de la société Ibex représente un atout dans la lutte contre le cancer du sein en égalant les performances diagnostiques de spécialistes humains.
La solution Galen Breast d’Ibex se présente sous la forme d'une interface informatique capable de repérer et d'intégrer dans son analyse d'un cas clinique 51 types de caractéristiques pathologiques cliniquement significatives relevées dans les biopsies mammaires.
L'institut Curie et le Maccabi Healthcare Services en Israël ont utilisé cet outil d’aide à la décision afin de réduire le risque d'erreurs de diagnostic. Les données publiées démontrent une « performance élevée et constante », selon les auteurs. L'IA a été « formée » grâce à des techniques de deep learning, qui consistent à l'alimenter avec des centaines de milliers de clichés et de conclusions diagnostiques. Dans le cadre de l'étude, ce sont 841 images de lames entières qui lui ont été soumises en aveugle, provenant de 436 biopsies mammaires colorées à l’hématoxyline et à l’éosine ou à l’hématéine-éosine-safran (HES), puis numérisées à l’aide de différents scanners. L'IA a produit des diagnostics (grade, stade, pronostic…) qui ont été confrontés à ceux réalisés conjointement par deux pathologistes spécialistes du sein.
L'IA évite tous les pièges
Comparé à ce « gold standard humain », l'IA avait une spécificité de 93,57 % et une sensibilité de 95,51 % pour ce qui est du diagnostic des carcinomes invasifs. Pour ce qui est des carcinomes ductaux in situ, la spécificité est de 93,79 % et la sensibilité de 93,20 %. L'algorithme ne confondait pas les différents sous-types de carcinomes invasifs ni les différents grades de carcinomes in situ. Il faisait efficacement la différence entre le carcinome invasif ductal et le carcinome invasif lobulaire.
L’algorithme a été capable de distinguer avec exactitude les carcinomes lobulaires infiltrants des carcinomes infiltrants de type non spécifiques. De plus, il était en mesure de diagnostiquer des carcinomes de types rares, tels que les carcinomes métaplasiques ou mucineux, ainsi que des carcinomes canalaires in situ (CCIS) et des hyperplasies canalaires atypiques (HCA). Il a également permis d’établir le grade nucléaire des carcinomes in situ (CCIS de grade haut/intermédiaire versus de bas grade/HCA). L’algorithme permet également d'identifier avec précision les facteurs pronostiques comme les lymphocytes infiltrant la tumeur (TIL) et l’invasion angiolymphatique, ainsi que des caractéristiques non cancéreuses telles que la métaplasie cylindrique et les microcalcifications.
Les chercheurs espèrent que le recours à ce type d'aide au diagnostic basé sur l'IA permettra de conjurer l'effet ciseaux à venir de la baisse du nombre de pathologistes et de l'augmentation de l’incidence globale du cancer du sein.
CCAM technique : des trous dans la raquette des revalorisations
Dr Patrick Gasser (Avenir Spé) : « Mon but n’est pas de m’opposer à mes collègues médecins généralistes »
Congrès de la SNFMI 2024 : la médecine interne à la loupe
La nouvelle convention médicale publiée au Journal officiel, le G à 30 euros le 22 décembre 2024