Les examens des pathologistes des échantillons de tissus provenant de tumeurs de cancer de la peau se sont améliorés lorsqu’ils ont été aidés par un outil d’IA. Les évaluations sont devenues plus cohérentes et les pronostics des patients ont été décrits plus précisément. Ceci est démontré par une étude dirigée par Karolinska Institutet, menée en collaboration avec des chercheurs de l’Université de Yale.
Le travail apparaît dans Jama Network Open.
Il est déjà connu que les lymphocytes infiltrant des tumeurs (TIL) sont un biomarqueur important dans plusieurs cancers, notamment le mélanome malin (cancer de la peau). Les TIL sont des cellules immunitaires trouvées dans ou près de la tumeur, où elles influencent la réponse du corps au cancer. Dans le mélanome malin, la présence de TIL joue un rôle dans le diagnostic et le pronostic, une présence élevée étant favorable.
Une partie importante du travail des pathologistes dans le mélanome malin est d’estimer le nombre de TIL. Les chercheurs de l’Institut de Karolinska ont maintenant étudié comment les évaluations pathologiques ont été affectées par un outil d’IA formé pour quantifier les TIL.
L’étude comprenait 98 pathologistes et chercheurs d’autres professions divisés en deux groupes. Un groupe était composé uniquement de pathologistes expérimentés. Ils ont travaillé « comme d’habitude », c’est-à-dire qu’ils ont examiné les images numériques des sections de tissu taché et ont estimé la quantité de TIL selon les directives actuelles.
Le deuxième groupe comprenait des pathologistes, mais aussi des chercheurs d’autres professions – qui avaient tous une certaine expérience dans l’évaluation des images pathologiques. Ils ont également regardé les images « comme d’habitude », mais ont été aidées par un support d’IA qui quantifié le nombre de TIL. Tout le monde a évalué 60 coupes de tissus, tous de patients atteints de mélanome malin. L’étude était rétrospective, donc les images ont montré des échantillons de tissus de patients dont le diagnostic et le traitement avaient déjà été déterminés.
Les évaluations effectuées avec le soutien de l’IA étaient supérieures aux autres de plusieurs manières. Entre autres choses, la reproductibilité était très élevée – les résultats étaient très similaires, peu importe qui a effectué l’examen. Ceci est important, car les évaluations des TIL peuvent actuellement varier en fonction de ceux qui les exécutent, ce qui peut compromettre la sécurité médicale. Les évaluations soutenues par l’IA ont également fourni une image plus précise des pronostics de la maladie des patients – car l’étude était rétrospective, il y avait une bonne réponse à comparer. Cependant, ce résultat était inconnu de ceux qui ont évalué les images.
«Il est important de comprendre la gravité de la gravité de la maladie d’un patient sur les échantillons de tissus pour déterminer à quel point il doit être agressif. Nous avons maintenant un outil basé sur l’IA qui peut quantifier le biomarqueur TIL, ce qui pourrait aider à les décisions de traitement à l’avenir.
« Cependant, davantage d’études sont nécessaires avant que cet outil d’IA puisse être utilisé dans la pratique clinique, mais les résultats jusqu’à présent sont prometteurs et suggèrent qu’il pourrait s’agir d’un outil très utile en pathologie clinique », explique le dernier auteur de l’étude, Balazs ACS, professeur agrégé au département de pathologie en oncologie à l’Institut Karolinska et un pathologiste cliniquement actif.
