Pourquoi une lame de biopsie est-elle si difficile à lire pour une IA ?
Quand on prélève un morceau de tumeur, un médecin spécialiste, l'anatomopathologiste, l'examine au microscope sur une fine lame de verre colorée. Il en déduit le type exact de cancer, ce qui guide le traitement. De plus en plus de laboratoires numérisent ces lames. Une seule image est alors gigantesque : des milliards de pixels, soit des dizaines de milliers de petits carrés d'image.
Les IA précédentes ne regardaient souvent qu'une partie de ces carrés, choisis au hasard, et perdaient la vue d'ensemble. Beaucoup avaient aussi appris sur une base publique, TCGA, assez limitée par rapport à ce qu'on voit à l'hôpital.
Ce que les chercheurs ont construit
L'équipe a réuni 171 189 lames venant de 28 centres de cancérologie de Providence, un grand réseau de soins aux États-Unis. Elles proviennent de biopsies et d'opérations chez plus de 30 000 patients, sur 31 grands types de tissus. Au total, plus de 1,3 milliard de petits carrés d'image.
Avec ces données, ils ont créé un modèle de fondation : une IA généraliste qui apprend d'abord seule, sans étiquettes, à décrire ce qu'elle voit, puis qu'on adapte ensuite à de nombreuses tâches précises avec peu d'exemples. Sa particularité : grâce à une méthode venue des modèles de langage, elle peut tenir compte de tous les carrés d'une lame à la fois. Ils l'ont testée sur 26 tâches, avec des données de Providence et de TCGA.
Les résultats : en tête sur 25 tâches sur 26
Prov-GigaPath a obtenu les meilleurs résultats sur 25 des 26 tâches, avec un écart net sur le deuxième meilleur modèle dans 18 d'entre elles. Pour reconnaître le sous-type de cancer, par exemple distinguer les différentes formes de cancer du poumon ou du rein, elle a dépassé tous les autres modèles sur les neuf types de cancer étudiés.
Pour les mutations génétiques de la tumeur, qui orientent parfois vers un traitement ciblé, elle fait aussi mieux que ses concurrents, mais les scores restent modestes. Pour cinq gènes du cancer du poumon, dont EGFR et KRAS, son aire sous la courbe moyenne est de 0,626, sur une échelle qui va de 0,5 (le hasard) à 1 (parfait). Testée sur 403 nouveaux patients atteints d'un cancer colorectal, recrutés après la fin de l'entraînement, elle garde son avance.
Les chiffres clés
- 1,3 milliardde petits carrés d'image tirés de 171 189 lames ont servi à l'entraînement
- 30 000patients et plus, sur 31 grands types de tissus
- 25 sur 26tâches où Prov-GigaPath obtient les meilleurs résultats
- 0,626d'aire sous la courbe moyenne pour cinq mutations du cancer du poumon : un score encore modeste
Comprendre ton compte rendu d'anatomopathologie avec Mima
Prov-GigaPath reste un outil de recherche : ta biopsie est toujours lue par un anatomopathologiste, et une mutation se confirme par un test génétique. L'étude rappelle surtout à quel point le type exact de cancer et ses mutations peuvent orienter le traitement.
Mima t'explique en mots simples les termes de ton compte rendu et garde une trace de tes résultats pour ton équipe. Tu peux préparer une question comme : « Ma tumeur a-t-elle été testée pour des mutations qui pourraient changer mon traitement ? »
Ce que ça pourrait changer pour les patients
Ce type d'outil pourrait un jour aider les anatomopathologistes à classer plus vite les tumeurs, ou signaler les lames pour lesquelles un test génétique serait utile. Les auteurs rappellent que le séquençage de la tumeur reste difficile d'accès dans de nombreux pays.
Le modèle est publié en accès libre : d'autres équipes peuvent le télécharger et le tester. Mais ce n'est pas un outil utilisé à l'hôpital aujourd'hui. Le diagnostic reste posé par un médecin, et une mutation se confirme par un test génétique.
Les limites de l'étude
Les auteurs notent eux-mêmes que les résultats varient beaucoup selon les tâches : bons pour le type de cancer, nettement plus faibles pour les mutations. Selon eux, l'image seule ne contient peut-être pas assez d'information pour certaines mutations.
Il s'agit de tests sur des données existantes, surtout venant d'un seul réseau de soins. Aucun essai n'a encore mesuré si cet outil améliore le diagnostic ou la santé des patients dans la vraie vie.
Questions fréquentes
Qu'est-ce que l'anatomopathologie ?
C'est la spécialité médicale qui examine au microscope les tissus prélevés lors d'une biopsie ou d'une opération. Elle confirme le diagnostic de cancer et précise son type.
Qu'est-ce que Prov-GigaPath ?
C'est une IA de recherche créée par Providence et Microsoft, entraînée sur plus d'un milliard de fragments d'images de lames. Elle sert de base pour des tâches comme classer un cancer.
Une IA peut-elle trouver une mutation sur une lame de biopsie ?
Elle peut repérer des indices, mais dans cette étude les scores restent modestes. Une mutation se confirme toujours par un test génétique de la tumeur.
Ma biopsie sera-t-elle analysée par cette IA ?
Non, Prov-GigaPath est un outil de recherche, pas un logiciel utilisé en routine à l'hôpital. Le diagnostic reste posé par un anatomopathologiste.
L'étude originale
Xu H, Usuyama N, Bagga J, et al. « A whole-slide foundation model for digital pathology from real-world data » Nature, 22 mai 2024. DOI : 10.1038/s41586-024-07441-w
Lire l'étude complète dans NatureCet article résume une étude scientifique et ne remplace pas un avis médical.