Une étude récente révèle que l’intégration de l’intelligence artificielle (IA) dans le diagnostic du cancer du côlon au cours des cinq dernières années a considérablement amélioré la rapidité et la précision de la détection de cette maladie mortelle.
Publiée dans l'International Journal of Medical Informatics, l'étude met en évidence la manière dont les outils basés sur l'IA fournissent des approches plus rapides, plus fiables et moins invasives en matière de diagnostic et de planification du traitement.
Nous avons constaté que l’IA rend déjà le diagnostic et le pronostic du cancer du côlon plus précis, notamment en identifiant les polypes lors d’une coloscopie ou en différenciant les tissus bénins des tissus malins sur des lames pathologiques.
Notre recherche fournit une revue large et opportune de la manière dont l'intelligence artificielle (IA), y compris l'apprentissage profond et l'apprentissage automatique, a été appliquée au cancer du côlon au cours des cinq dernières années. »
Saad Harous, professeur d'informatique et d'informatique à l'Université de Sharjah
Les résultats démontrent comment l’IA a été appliquée au cancer du côlon via une méta-analyse d’études pertinentes publiées entre 2020 et 2024. Les résultats indiquent des améliorations significatives de la précision du diagnostic, en particulier dans la détection des polypes lors des coloscopies et de l’analyse histopathologique, où les approches d’apprentissage profond ont souvent surpassé les méthodes traditionnelles.
« L'IA explicable n'est pas seulement une fonctionnalité. Elle est essentielle pour renforcer la confiance des cliniciens et combler le fossé entre la technologie et la pratique médicale », note le professeur Harous, co-auteur. « La promesse de l'IA en médecine ne réside pas seulement dans la rapidité ou la précision, mais aussi dans la création de systèmes transparents sur lesquels les médecins peuvent compter. »
Les auteurs, affiliés à des universités de Suède, d'Algérie, d'Égypte, d'Arabie saoudite et des Émirats arabes unis, ont analysé 80 études en se concentrant sur quatre tâches clés : la classification, la détection, la segmentation et la prédiction. Ils ont examiné l'intégration de l'intelligence artificielle dans l'identification et le diagnostic du cancer du côlon, en soulignant sa capacité à améliorer la précision du diagnostic, à améliorer les résultats pour les patients et à rationaliser les flux de travail cliniques. L'étude souligne le rôle central de l'IA dans la transformation des soins contre le cancer du côlon grâce à l'application de modèles avancés de diagnostic, de pronostic et de segmentation.
« Les résultats de plusieurs études démontrent que l'IA améliore à la fois la précision du diagnostic et l'optimisation de la segmentation des glandes et du classement du cancer », écrivent les auteurs. « Cela a un impact substantiel sur la stadification de précision et la planification médicale. Bien que les systèmes d'intelligence artificielle (IA) démontrent une grande précision et des capacités de diagnostic améliorées, il existe encore des obstacles persistants en termes de diversité des données, de généralisabilité des modèles, de demandes de traitement et d'intégration de modèles de segmentation dans la pratique clinique. »
Le cancer colorectal, une maladie courante et mortelle, est le type de cancer qui affecte le côlon (gros intestin) ou le rectum. Il s’agit du troisième cancer le plus répandu dans le monde et demeure un fardeau pour la santé mondiale.
Selon l'Organisation mondiale de la santé (OMS), le cancer du côlon est la deuxième cause de décès liés au cancer dans le monde, représentant plus de 930 000 décès en 2020, année qui a vu plus de 1,9 million de nouveaux cas de cancer du côlon.
L'étude montre comment les outils d'IA améliorent les soins du cancer du côlon, avec des algorithmes aidant les médecins à détecter les tumeurs et les polypes plus tôt et avec une plus grande précision, offrant ainsi transparence, confiance et de meilleurs résultats pour les patients.
Le professeur Harous poursuit : « Grâce à la promesse d'une médecine de précision, l'IA offre des approches plus rapides, plus fiables et moins invasives en matière de diagnostic et de planification du traitement. Notamment, des travaux récents sur l'IA explicable aident les cliniciens à comprendre le fonctionnement de ces algorithmes, augmentant ainsi la confiance et favorisant leur adoption dans des contextes réels.
Les résultats mettent également en valeur les progrès remarquables des technologies d’IA pour la classification, la prédiction, la segmentation et la détection du cancer du côlon. Cependant, les auteurs soulignent que plusieurs défis doivent être relevés, notamment en matière de qualité des données, d’optimisation des algorithmes et d’intégration clinique, avant que les médecins ne tirent pleinement parti des applications de l’IA en matière de détection et de diagnostic.
« Relever ces défis est essentiel pour que les modèles basés sur l'IA atteignent leur plein potentiel dans l'amélioration de la précision du diagnostic et des résultats du traitement. La nécessité de disposer d'ensembles de données substantiels et étiquetés de haute qualité pour entraîner les modèles d'IA, ainsi que la nécessité de solutions robustes et évolutives, adaptables à divers contextes cliniques, soulignent la nécessité de recherches plus approfondies », notent les auteurs.
Parallèlement, l'étude identifie ce que le professeur Harous décrit comme des « lacunes critiques », car la recherche actuelle repose souvent sur des ensembles de données limités ou homogènes, manque de validation externe et n'est pas encore entièrement intégrée aux systèmes d'information hospitaliers.
« L'IA doit être testée dans de nombreux hôpitaux et types de patients ; les recherches actuelles utilisent souvent de petits ensembles de données similaires », souligne le professeur Harous. « Bien que l'impact dans le monde réel soit proche, des travaux supplémentaires sont nécessaires puisque la plupart des systèmes d'IA sont actuellement utilisés dans les laboratoires et ne sont pas encore largement adoptés dans les cliniques en raison d'un manque d'intégration et d'une validation rigoureuse. »
