Des chercheurs du Karolinska Institutet en Suède ont étudié dans quelle mesure différents modèles d'IA peuvent prédire le pronostic du cancer du sein triple négatif en analysant certaines cellules immunitaires à l'intérieur de la tumeur. L'étude, publiée dans la revue eMédecineCliniqueconstitue une étape importante vers l’utilisation de l’IA dans les soins contre le cancer afin d’améliorer la santé des patients.
Les lymphocytes infiltrant les tumeurs sont un type de cellule immunitaire qui joue un rôle important dans la lutte contre le cancer. Lorsqu’elles sont présentes dans une tumeur, cela signifie que le système immunitaire tente d’attaquer et de détruire les cellules cancéreuses.
Ces cellules immunitaires peuvent être importantes pour prédire comment une patiente atteinte d’un cancer du sein dit triple négatif réagira au traitement et comment la maladie progressera. Mais lorsque les pathologistes évaluent les cellules immunitaires, les résultats peuvent varier. L’intelligence artificielle (IA) peut contribuer à standardiser et automatiser ce processus, mais il a été difficile de démontrer que l’IA fonctionne suffisamment bien pour être utilisée dans le domaine des soins de santé.
Comparaison de dix modèles d'IA
Les chercheurs ont testé dix modèles d’IA différents et comparé leur capacité à analyser les lymphocytes infiltrant les tumeurs dans des échantillons de tissus de cancer du sein triple négatif.
Les résultats ont montré que les performances analytiques des modèles d’IA variaient. Malgré ces différences, huit des dix modèles ont montré une bonne capacité pronostique, ce qui signifie qu'ils étaient capables de prédire la santé future des patients de la même manière.
Même les modèles formés sur moins d'échantillons ont montré une bonne capacité pronostique, ce qui suggère que les lymphocytes infiltrant les tumeurs sont un biomarqueur robuste.
Balazs Acs, chercheur au Département d'oncologie-pathologie, Karolinska Institutet
Des études indépendantes sont nécessaires
L’étude montre que de grands ensembles de données sont nécessaires pour comparer différents outils d’IA et garantir qu’ils fonctionnent bien avant de pouvoir être utilisés dans le domaine de la santé. Bien que les résultats soient prometteurs, davantage de validation est nécessaire.
« Notre recherche met en évidence l'importance des études indépendantes qui imitent la pratique clinique réelle », explique Balazs Acs. « Ce n'est que grâce à de tels tests que nous pourrons garantir que les outils d'IA sont fiables et efficaces pour une utilisation clinique. »
