Cancer de la prostate : une IA qui lit l'IRM aussi bien que les radiologues

Pourquoi l'IRM de la prostate est-elle difficile à lire ?

Le cancer de la prostate est très fréquent chez l'homme, mais tous ne sont pas dangereux. Certains évoluent si lentement qu'ils ne poseront jamais de problème. Les médecins cherchent surtout les cancers dits cliniquement significatifs, ceux qui méritent un traitement.

L'IRM, une imagerie par aimant sans rayons, aide à décider s'il faut une biopsie, un prélèvement de tissu. Les radiologues notent chaque zone suspecte avec une échelle appelée PI-RADS. Mais la lecture demande une grande expérience, les radiologues formés manquent et le nombre d'examens augmente.

Une IA fiable pourrait alléger cette charge, éviter des biopsies inutiles et rendre une bonne lecture accessible là où les experts sont rares.

Comment l'étude PI-CAI a-t-elle été menée ?

Un consortium international a développé une IA à partir de 10 207 IRM de 9 129 patients, réalisées entre 2012 et 2021. Elle a appris sur 9 207 examens de trois centres néerlandais, puis a été testée sur 1 000 autres examens de quatre centres aux Pays-Bas et en Norvège.

En parallèle, 62 radiologues de 45 centres dans 20 pays, avec une expérience médiane de 7 ans en IRM de la prostate, ont lu 400 de ces examens avec l'échelle PI-RADS. L'IA a aussi été comparée aux comptes rendus rédigés à l'époque dans les hôpitaux, avec l'histoire du patient et l'avis de collègues.

La référence était l'analyse des tissus et un suivi d'au moins 3 ans. Les chercheurs ciblaient les cancers de groupe de grade 2 ou plus, une mesure de l'agressivité du cancer au microscope.

Quels résultats ont été obtenus ?

Un cancer significatif a été confirmé dans 2 440 examens. Sur les 400 examens lus par les 62 radiologues, l'IA a obtenu une aire sous la courbe de 0,91, contre 0,86 pour l'ensemble des radiologues. Cette mesure résume la capacité à distinguer les cancers significatifs du reste, 1 étant parfait.

Concrètement, à spécificité égale, l'IA repérait 6,8 % de cancers significatifs en plus. Ou, à sensibilité égale, elle donnait 50,4 % de fausses alertes en moins et 20,0 % de cancers peu agressifs repérés en moins, ce qui pourrait éviter des biopsies et des traitements inutiles.

Sur les 1 000 examens comparés aux comptes rendus habituels des hôpitaux, l'IA avait une spécificité de 68,9 % contre 69,0 %, à sensibilité égale. Les auteurs la jugent comparable à la pratique habituelle.

Qu'est-ce que cela pourrait changer pour les patients ?

Les auteurs voient dans cette IA un outil de soutien pour les radiologues lors du premier diagnostic. Moins de fausses alertes, c'est potentiellement moins de biopsies inutiles, avec leur inconfort et leurs risques.

Repérer moins de cancers peu agressifs pourrait aussi réduire le surdiagnostic, c'est-à-dire la découverte de cancers qui n'auraient jamais causé de problème mais entraînent inquiétude et traitements.

Quelles sont les limites de cette étude ?

L'IA a été évaluée sur des examens passés, pas en direct dans le parcours de nouveaux patients. Les auteurs écrivent qu'une validation prospective est nécessaire pour tester son intérêt en pratique.

Les données venaient de centres européens, surtout néerlandais : l'IA doit encore faire ses preuves sur d'autres machines et d'autres populations. Enfin, face aux comptes rendus habituels, la non-infériorité n'a pas été formellement confirmée selon le critère prévu, même si les résultats sont très proches.