Peter A. Humphrey, MD, PhD
L’intérêt pour l’intelligence artificielle (IA) dans la pathologie du cancer de la prostate s’est accéléré depuis les premières tentatives de diagnostic assisté par ordinateur de la maladie il y a plus de dix ans, selon Peter A. Humphrey, MD, PhD. Cependant, avant que la technologie puisse être introduite dans la pratique clinique de routine, les chercheurs doivent d’abord prouver que les progrès que l’IA peut permettre dépassent les défis actuels.1-3
Dans une présentation faite au 17e édition Interddisciplinaire Prostate Cancer Congress® et autres malignités génito-urinaires, un événement organisé par Physician’s Education Resource (PER®), à New York, New York, Humphrey a discuté des avantages et des limites potentiels de l’IA dans le cancer de la prostate. Humphrey est professeur de pathologie à la Yale School of Medicine et directeur de la pathologie génito-urinaire à Yale Medicine à New Haven, Connecticut.
Le défi PANDA est l’une des nombreuses recherches visant à définir la capacité de l’IA dans le diagnostic et le classement du cancer de la prostate. Historiquement, le classement de Gleason, effectué par interprétation au microscope optique des schémas de croissance du cancer de la prostate, a été l’indicateur de pronostic le plus puissant. Cependant, c’est intrinsèquement subjectif, ce qui laisse place à l’erreur, a expliqué Humphrey.4
Pour déterminer si l’IA pouvait surpasser les méthodes d’identification standard, les enquêteurs ont compilé 12 625 images de diapositives entières de biopsies de la prostate provenant de 6 sites : 10 616 ont été utilisées pour le développement de modèles, 393 ont été utilisées pour l’évaluation des performances pendant la phase de compétition, et 545 et 1 071 ont été utilisées pour des analyses internes et externes. validation, respectivement.
Au cours de la phase de compétition, 1 290 développeurs de 65 pays ont soumis des algorithmes, dont 15 ont été sélectionnés en fonction de leurs performances. Les résultats ont montré que l’accord moyen des algorithmes sélectionnés avec les uropathologistes ayant un niveau kappa élevé était de 0,862 (κ pondéré quadratiquement, IC à 95 %, 0,840-0,884) aux États-Unis et de 0,868 (IC à 95 %, 0,835-0,900) dans l’Union européenne. De plus, la sensibilité de la détection du cancer variait entre 97,7 % et 98,6 %, avec des spécificités comprises entre 75,2 % et 84,3 %. Cependant, un taux élevé de faux positifs s’est produit, a expliqué Humphrey, affirmant que la principale erreur d’algorithme commise était de diagnostiquer à tort les cas bénins comme un adénocarcinome de la prostate, conduisant à un surdiagnostic.4
Les auteurs de l’étude ont conclu que les algorithmes de classification du cancer de la prostate par l’IA étaient comparables aux cohortes intercontinentales et multinationales avec des performances de niveau pathologiste, ce qui justifie une étude plus approfondie dans le cadre d’essais cliniques prospectifs.
Cependant, dans un article publié dans Opinion actuelle Urologie, les auteurs ont identifié 3 catégories de défis primordiaux qui continueront à entraver le développement de l’IA s’ils ne sont pas correctement résolus : conceptuels, techniques et éthiques. Les préoccupations conceptuelles étaient centrées sur la définition des fonctions que l’IA peut remplir dans la pratique clinique de routine et sur le niveau d’autonomie que devraient avoir les outils de diagnostic d’IA. Les préoccupations techniques concernaient la question de savoir si les laboratoires pouvaient adopter une infrastructure suffisante pour prendre en charge l’utilisation de l’IA et si les pathologistes pouvaient apprendre à utiliser la technologie de manière responsable. Le dernier problème, et peut-être le plus important, était d’ordre éthique. Les auteurs de l’étude se demandaient quand la pathologie basée sur l’IA s’avérerait rentable et si elle pouvait réduire les inégalités diagnostiques.5
Au-delà du diagnostic et de la classification, l’IA a commencé à s’avérer capable de fournir une thérapie personnalisée grâce à un apprentissage profond multimodal dans des essais randomisés de phase 3 au cours desquels des modèles ont été formés et validés à l’aide de 5 essais RTOG randomisés de phase 2. Dans le cadre de l’analyse, un total de 16 204 lames de biopsie à l’aiguille numérisées ont été utilisées, avec des données cliniques provenant de 5 654 patients. Après un suivi médian de 11,4 ans, les enquêteurs ont montré une amélioration pronostique allant de 9,2 % à 14,6 % par rapport aux groupes à risque du National Comprehensive Cancer Network et un bénéfice prédictif du traitement par privation androgénique chez les patients présentant un modèle positif, réduisant ainsi le risque de métastases à distance par rapport à radiothérapie seule dans la cohorte de validation NRG/RTOG 9408.6,7
Bien que le domaine ait encore un long chemin à parcourir pour établir des paramètres appropriés autour de l’utilisation de l’IA, avec des lignes directrices non encore disponibles en pathologie, Humphrey a souligné la récente déclaration des sociétés de radiologie aux États-Unis, au Canada, en Europe, en Australie et en Nouvelle-Zélande, publiée dans le Journal de radio-oncologie d’imagerie médicale sur le développement, l’achat, la mise en œuvre et le suivi d’outils d’IA en radiologie. La déclaration, en plus d’aborder les questions liées à l’utilisation de l’IA en radiologie, vise à fournir des considérations pratiques sur l’utilisation de l’IA en radiologie, en reconnaissant que la technologie affectera les soins de santé d’une manière ou d’une autre.8
En conclusion, Humphrey a résumé ses espoirs dans ce domaine, citant les auteurs du défi PANDA : « Nous prévoyons un avenir dans lequel les pathologistes pourront être assistés par des algorithmes comme ceux-ci sous la forme d’un collègue numérique. »4
Les références
2024-03-10 01:00:09
1710023129
#Lintelligence #artificielle #dans #pathologie #cancer #prostate #amie #ennemie