La caractéristique histologique identifiée par l’IA peut offrir une « valeur pronostique » et éclairer les soins dans le cancer du côlon

Points clés à retenir:

• La caractéristique histologique dérivée de l’apprentissage automatique peut fournir une valeur pronostique lorsqu’elle est apprise et notée par les pathologistes.
• Bien que cela représente une « étape importante pour l’IA », des recherches sont nécessaires pour valider la notation reproductible.

Une étude pronostique a validé l’utilisation d’une fonction adipeuse tumorale dérivée de l’intelligence artificielle, qui peut faciliter la stratification du risque de cancer du côlon et fournir une valeur pronostique lorsqu’elle est intégrée à la pratique, selon les résultats de l’étude.

“Les marqueurs pronostiques présentent un intérêt clinique significatif dans le cancer colorectal, car certains patients atteints d’une maladie de stade II peuvent bénéficier d’une chimiothérapie adjuvante et, pour les patients atteints d’une maladie de stade III, de meilleures informations pronostiques peuvent éclairer le schéma thérapeutique et la durée”, Vincenzo L’Impériomédecin, professeur adjoint de pathologie à l’Université de Milano-Bicocca, et ses collègues ont écrit dans Réseau JAMA ouvert. « Dans ce contexte, l’utilisation d’outils de pathologie numérique a récemment démontré sa capacité à fournir des informations pronostiques sur le cancer du côlon à l’aide de lames histopathologiques de routine.

« Cela a conduit à l’identification de la fonction adipeuse tumorale (TAF), des cellules tumorales modérément à peu différenciées à proximité immédiate des adipocytes, en tant que caractéristique dérivée de l’apprentissage automatique qui a démontré une valeur pronostique prometteuse et indépendante dans les cas de cancer colorectal de stade II et III. ”

L’Imperio et ses collègues ont utilisé les données de 258 cas histopathologiques d’adénocarcinome du côlon (53 % d’hommes ; âge médian, 67 ans ; stade II, n = 119 ; stade III, n = 139) pour déterminer si le pathologiste notait les caractéristiques histopathologiques précédemment identifiées avec la machine apprentissage corrélé à la survie.

Deux pathologistes, qui ne connaissaient pas les résultats des patients, ont identifié le TAF dans 47 % des cas, avec une atteinte multifocale dans 12 % et une atteinte généralisée dans 24 %. La concordance des pathologistes était de 72 % pour tous les scores TAF et de 90 % pour le TAF généralisé par rapport aux autres classifications.

Les chercheurs ont rapporté une « valeur pronostique significative » du TAF identifié par un pathologiste en utilisant un seuil binaire pour la survie globale (HR = 1,55 ; IC à 95 %, 1,07-2,25) mais pas pour la survie spécifique à la maladie CCR (HR = 1,86 ; IC à 95 %, 0,95 -3,62). Cependant, il y avait une association dépendante de la quantité avec le TAF généralisé et la survie globale (HR = 1,87 ; IC à 95 %, 1,23-2,85) ainsi que la survie spécifique à la maladie (HR = 2,29 ; IC à 95 %, 1,09-4,7).

En analyse multivariée, l’âge (HR = 1,07 ; IC à 95 %, 1,05-1,09), le stade (HR = 1,6 ; IC à 95 %, 1,03-2,51) et le TAF généralisé (HR = 1,79 ; IC à 95 %, 1,14-2,81) sont restés indépendamment pronostique pour la survie globale, tandis que le stade (HR = 3,57 ; IC à 95 %, 1,39-9,18) et le TAF généralisé (HR = 2,19 ; IC à 95 %, 1,01-4,75) ont été indépendamment pronostiques pour la survie spécifique à la maladie.

“Cette étude pronostique représente une étape importante pour l’IA en pathologie et en médecine, démontrant à la fois la faisabilité et le potentiel pronostique de l’intégration basée sur les pathologistes d’une fonctionnalité identifiée via l’apprentissage automatique”, ont conclu L’Imperio et ses collègues. “Après la démonstration de la valeur pronostique généralisable et des stratégies de notation cohérentes entre les pathologistes, les caractéristiques pronostiques dérivées de l’IA peuvent potentiellement être utilisées avec des caractéristiques bien établies dans des cas prospectifs pour permettre une validation et une intégration clinique plus poussées.”