Les chercheurs et collaborateurs de la Mayo Clinic ont démontré qu'un outil d'intelligence artificielle (IA) peut analyser les diapositives histopathologiques de routine pour aider les médecins à classer les méningiomes, la tumeur cérébrale primitive la plus courante chez les adultes, et à mieux comprendre le risque de récidive tumorale d'un patient.
L'étude, publiée dans la revue The Lancet Digital Health, a montré que l'intelligence artificielle peut analyser des images d'échantillons de tissus obtenus lors d'un examen de routine pour identifier les caractéristiques importantes de la tumeur et aider à prédire comment la maladie pourrait progresser. Actuellement, ces informations sont généralement obtenues grâce à un test génétique appelé profilage de méthylation de l’ADN, qui offre des résultats très précis, mais peut être coûteux, prendre plus de temps et n’est pas disponible dans de nombreux hôpitaux. Avec cette nouvelle approche, les chercheurs espèrent rendre ce type d’analyse plus accessible et plus rapide, élargissant ainsi l’accès à des informations importantes pour le diagnostic et la planification du traitement.
« Il s'agit de l'une des nombreuses études dans lesquelles nous pouvons exploiter le potentiel de la pathologie numérique en intégrant dans les algorithmes d'IA les connaissances génomiques et moléculaires accumulées au cours des deux dernières décennies », déclare Gelareh Zadeh, MD, Ph.D., président du département de neurochirurgie de la Mayo Clinic de Rochester et directeur médical exécutif de la plateforme Mayo Clinic, en tant que titulaire de la chaire d'honneur « David C. et Flora C. Pratt ».
Rendre les informations avancées sur les tumeurs plus accessibles
Les méningiomes peuvent présenter des comportements assez variés. Certains grandissent lentement et peuvent ne jamais réapparaître après le traitement, tandis que d'autres sont plus agressifs et sont plus susceptibles de récidiver. Comprendre ce risque est essentiel pour les patients et les équipes soignantes lorsqu’ils décident si des traitements supplémentaires, tels que la radiothérapie, peuvent être nécessaires après une intervention chirurgicale.
Les tests moléculaires peuvent aider à identifier les tumeurs les plus susceptibles de récidiver et celles qui peuvent répondre différemment au traitement. Cependant, ces tests nécessitent une technologie spécialisée et des connaissances techniques spécifiques, ce qui en limite l’accès pour de nombreux patients.
À l’aide d’échantillons de tissus, d’images pathologiques et de données cliniques provenant de 672 patients, les chercheurs ont développé et testé des modèles d’IA conçus pour identifier les modèles associés à la biologie des tumeurs. Basés sur plusieurs ensembles de données anonymisés, y compris les ressources de données de la plateforme Mayo Clinic, les modèles ont aidé à classer les sous-types de méningiome et à prédire le risque de récidive à l'aide de lames histopathologiques standard qui font déjà partie des soins de routine des patients.
Les résultats suggèrent qu’avec une validation supplémentaire, les outils basés sur l’IA pourraient éventuellement aider les médecins à obtenir des informations plus détaillées sur les tumeurs pour guider les soins aux patients, sans exiger que chacun se soumette à des tests génétiques avancés.
Aide à la décision thérapeutique
Pour les patients atteints de méningiomes, le risque de récidive peut influencer le suivi clinique, la fréquence des examens d'imagerie et la décision d'indiquer ou non une radiothérapie. L’étude a révélé que les prédictions basées sur l’IA restaient utiles même après ajustement aux facteurs cliniques traditionnels tels que le grade de la tumeur, l’étendue de la résection chirurgicale de la tumeur et l’âge du patient.
Les chercheurs ont également découvert que les modèles d’IA étaient capables d’identifier des modèles d’hétérogénéité tumorale – des différences existant au sein d’une même tumeur – qui peuvent aider à expliquer pourquoi certaines tumeurs se comportent de manière plus agressive ou réagissent différemment au traitement.
Les chercheurs notent que des études prospectives supplémentaires sont nécessaires avant que les modèles d’IA puissent être couramment utilisés dans la pratique clinique. Néanmoins, ils affirment que les résultats jettent les bases de soins plus accessibles et personnalisés pour les patients atteints de méningiomes – et, potentiellement, d’approches similaires basées sur l’IA dans d’autres types de cancer.
Comme pour tout outil d’aide à la décision clinique, les chercheurs soulignent que ces modèles nécessiteront une évaluation, une validation et une surveillance médicale continue rigoureuses avant de pouvoir être envisagés pour une utilisation de routine. « L’objectif est de rendre ces algorithmes largement accessibles et faciles à utiliser à l’échelle mondiale, améliorant ainsi les soins aux patients dans différents contextes de soins de santé », explique le Dr Zadeh.
