En bref
Des chercheurs ont conçu un programme capable de repérer dans des scanners des détails que les médecins ne voient pas toujours. Dans une étude, il a détecté des signes associés au cancer du pancréas en moyenne 475 jours avant que les patients reçoivent leur diagnostic. Ces résultats sont prometteurs, mais le programme doit encore être évalué avant de pouvoir être utilisé à l’hôpital.
Pourquoi est-il si difficile de repérer la maladie tôt ?
L’étude porte sur l’adénocarcinome canalaire du pancréas, un cancer qui se développe dans les canaux de cet organe. L’une des difficultés est que les premiers signes ne sont pas toujours perceptibles, ni par la personne malade ni par son médecin. Au début, les symptômes sont rares ou peu spécifiques, tandis que les changements dans les tissus peuvent être si discrets qu’ils échappent aux examens d’imagerie. Lorsque des signes plus évidents apparaissent, la maladie peut déjà avoir progressé.
La rapidité d’évolution de ce cancer rend le moment du diagnostic particulièrement important. Un examen qui détecte la maladie une fois qu’elle est bien visible ne donne pas forcément aux médecins la même possibilité d’agir qu’un repérage des changements avant le diagnostic clinique. Les chercheurs cherchent donc des moyens de tirer davantage d’informations des images déjà disponibles, y compris des détails qui échappent à une lecture visuelle habituelle.
Cela ne signifie pas que le scanner classique est inutile. Le problème est que certains signes possibles ne se distinguent pas facilement à l’œil nu. Une image peut contenir de minuscules différences dans les tissus du pancréas, sans montrer de masse évidente ni de changement assez important pour attirer l’attention. L’idée est donc d’analyser les images jusque dans leurs détails, plutôt que de chercher uniquement une anomalie manifeste.
Une nouvelle façon d’examiner les tissus du pancréas
Les chercheurs ont baptisé leur outil d’intelligence artificielle REDMOD, d’après l’expression anglaise désignant un modèle de détection précoce fondé sur les caractéristiques radiologiques. L’approche repose sur l’analyse radiomique : elle consiste à extraire des caractéristiques fines des images médicales, comme la texture ou les variations de contraste, qui ne sont pas nécessairement visibles lors d’un examen classique. Le programme s’appuie ensuite sur ces informations pour estimer si une image présente des signes associés à la maladie.
Le système repère aussi automatiquement le pancréas et en délimite les contours afin de le distinguer des organes et tissus voisins. Cette étape compte, car les contours tracés à la main peuvent varier d’un radiologue à l’autre et introduire des différences dans l’analyse. L’automatisation permet d’appliquer la même méthode à toutes les images, puis de concentrer l’examen sur les détails propres au pancréas.
Le programme ne détecte toutefois pas le cancer comme un médecin pourrait le faire lorsqu’une masse est clairement visible. L’étude ne démontre pas non plus que chaque signe repéré correspond forcément à une tumeur. Les chercheurs ont évalué la capacité de l’analyse des images à reconnaître des motifs présents avant le diagnostic chez un groupe de patients. Il faut donc considérer ces résultats comme des signaux d’alerte prometteurs, et non comme un outil de diagnostic médical déjà validé.
Des images jugées normales avant que la maladie ne se manifeste
L’étude a porté sur des scanners abdominaux de 219 patients soignés dans plusieurs hôpitaux. Au moment des examens, des radiologues expérimentés n’avaient pas relevé de signe de cancer du pancréas. Tous ces patients ont cependant reçu le diagnostic plus tard. Les chercheurs ont ainsi pu revenir aux images prises avant le diagnostic et vérifier si le programme y repérait des signes qui n’avaient pas été identifiés à l’époque.
Les examens n’avaient pas tous été réalisés au même moment par rapport au diagnostic. Pour 87 patients, soit 40 % du groupe, les images dataient de 3 à 12 mois avant le diagnostic. Un deuxième groupe comptait 76 patients, soit 35 %, dont le scanner avait été effectué 12 à 24 mois auparavant. Enfin, les images de 56 patients, soit 25 %, remontaient à plus de 24 mois ; dans certains cas, près de trois ans s’étaient écoulés.
Chez près des deux tiers des patients, précisément 64 %, le cancer se trouvait dans la tête du pancréas. Cette donnée décrit la localisation des tumeurs dans l’échantillon, mais ne signifie pas que les résultats du programme s’appliquent forcément à toutes les localisations ou à tous les patients. Comme les délais entre l’imagerie et le diagnostic variaient, les chercheurs ont aussi pu évaluer la capacité de l’outil à repérer des signes sur des images prises à différentes périodes.
Pour établir une comparaison, les chercheurs ont également utilisé les images de 1243 personnes qui n’ont pas reçu de diagnostic de cancer du pancréas au cours des trois années qui ont suivi leur examen. Les groupes ont été constitués de façon à correspondre selon l’âge, le sexe et les dates des examens, afin de rendre la comparaison plus cohérente. Les patients atteints de cancer avaient en moyenne 69 ans, avec des âges allant de 34 à 88 ans. Dans le groupe de comparaison, l’âge moyen était de 64 ans, et les personnes avaient également entre 34 et 88 ans.
Des signes repérés en moyenne 475 jours avant le diagnostic
En analysant les images prises avant le diagnostic, REDMOD a repéré des caractéristiques associées au cancer du pancréas diagnostiqué par la suite. En moyenne, 475 jours séparaient le repérage de ces signes du diagnostic clinique. Le programme a donc identifié des motifs sur des images considérées à l’époque comme ne montrant aucun signe évident de cancer, avant que les patients ne reçoivent leur diagnostic.
Ce délai pourrait offrir davantage de temps pour vérifier les cas préoccupants, à condition que de futures études confirment que ces signes peuvent être utilisés en pratique clinique. Selon les chercheurs, détecter la maladie lorsqu’elle est encore localisée ou à un stade précoce pourrait améliorer les chances de traitement et de survie. Ils citent des modèles selon lesquels faire passer la proportion de tumeurs localisées de 10 % à 50 % pourrait plus que doubler les taux de survie. Il s’agit d’une estimation issue d’une modélisation, et non du résultat d’un essai thérapeutique mené dans le cadre de l’étude REDMOD.
Il est essentiel de distinguer le repérage d’un motif sur une ancienne image de la preuve qu’une intervention précoce fondée sur ce motif améliore réellement la santé des patients. L’étude compare les résultats de l’analyse des images à l’évolution ultérieure des patients, mais elle ne démontre pas à elle seule que l’utilisation du programme pour le dépistage précoce modifierait l’évolution de la maladie ou prolongerait la vie. Pour le vérifier, il faudrait tester l’outil dans des conditions de soins réelles et mesurer les effets des décisions de dépistage et de traitement.
De meilleurs résultats que la lecture des radiologues dans cette étude
La sensibilité du programme a atteint 73 %, contre 39 % pour les radiologues qui ont examiné les images. La sensibilité désigne la capacité d’un examen à repérer les personnes réellement atteintes, plutôt qu’à passer à côté de cas. Dans l’échantillon analysé, le programme a donc repéré davantage de cancers chez les patients diagnostiqués par la suite.
L’écart était encore plus marqué pour les images réalisées plus de deux ans avant le diagnostic. Dans cette catégorie, le programme a repéré des signes de la maladie dans 68 % des cas, contre 23 % pour les radiologues. Ce résultat laisse penser que l’analyse informatique pourrait être particulièrement utile lorsque les signes précèdent de longtemps le diagnostic. Il provient toutefois du groupe étudié et ne garantit pas que les mêmes performances seront obtenues dans tous les hôpitaux ou chez toutes les catégories de patients.
Les chercheurs n’ont pas évalué uniquement la capacité du programme à distinguer les images de personnes qui ont ensuite développé la maladie. Ils l’ont également testé sur un groupe indépendant de 539 patients issus de plusieurs hôpitaux. Le système a classé un peu plus de 81 % de leurs images comme ne montrant pas de cancer. Il a aussi été évalué sur une base de données accessible aux chercheurs des National Institutes of Health des États-Unis, appelée NIH-PCT et composée de 80 personnes : 87,5 % des images y ont été classées comme ne montrant pas de cancer du pancréas.
Ces mesures ne sont pas équivalentes à la sensibilité. Il ne faut donc pas réduire tous les résultats à un seul chiffre ni les considérer comme s’ils décrivaient le même aspect des performances du programme. La sensibilité porte sur le repérage de la maladie chez les personnes atteintes, tandis que les résultats obtenus dans les groupes sans cancer renseignent sur la capacité de l’outil à classer les images qui ne signalent pas la maladie. Pour une utilisation concrète, il faudra tenir compte de ces deux aspects, car un cancer manqué ou une alerte erronée peut conduire à des décisions médicales différentes.
Les signes restent-ils les mêmes au fil du temps ?
L’équipe a aussi cherché à savoir si les résultats demeuraient stables lorsque plusieurs images étaient disponibles pour une même personne. En comparant des examens réalisés à plusieurs mois d’intervalle, le programme a fourni des résultats concordants dans 90 à 92 % des cas. Cette observation suggère que les motifs repérés pourraient correspondre à un phénomène persistant, plutôt qu’à une simple différence passagère entre deux images.
La concordance entre des examens répétés ne suffit toutefois pas à prouver que chaque motif stable est un signe certain de cancer. Elle apporte un élément en faveur de la cohérence de l’outil, mais la question essentielle reste de savoir si ces motifs permettent de prédire la maladie avec précision chez des personnes examinées avant que l’on connaisse leur état de santé futur. Pour y répondre, il faudra organiser un suivi prospectif, plutôt que de se limiter à l’analyse d’images de personnes dont on sait déjà qu’elles ont développé un cancer.
Qu’est-ce qui manque avant une utilisation à l’hôpital ?
Malgré les résultats encourageants, les chercheurs ne recommandent pas d’adopter immédiatement le programme dans les soins courants. Ils soulignent notamment que les participants ne représentaient pas suffisamment la diversité des origines ethniques. Cette limite est importante pour évaluer un outil médical : ses performances peuvent varier selon les populations, et rien ne permet de supposer que les résultats obtenus dans un groupe donné s’appliqueront automatiquement à tout le monde.
Les prochaines évaluations devront aussi tester le programme avant que le diagnostic final soit connu, auprès de groupes de patients suivis selon un protocole défini. Il sera particulièrement important d’étudier les personnes davantage exposées au risque, notamment celles qui perdent du poids sans explication ou qui viennent de recevoir un diagnostic de diabète. Cela ne signifie pas que toute personne présentant l’un de ces signes a un cancer : les chercheurs estiment simplement que ces groupes méritent d’être étudiés pour évaluer l’intérêt d’un dépistage précoce.
Il faudra également déterminer comment les résultats du programme pourraient guider les décisions médicales. Entraîneront-ils des examens supplémentaires ? Comment vérifier les cas signalés ? Quel niveau de confiance faudra-t-il atteindre avant de passer à l’étape suivante ? L’étude n’apporte pas encore de réponse à ces questions. De plus, les résultats obtenus sur des groupes d’images précis ne suffisent pas à montrer ce qui se passerait si le programme était intégré au travail quotidien, ni comment ses performances évolueraient selon les appareils d’imagerie et les conditions de collecte des données.
REDMOD reste donc un outil en cours d’évaluation, et non un examen prêt à remplacer le radiologue. Il pourrait aider les médecins à réexaminer des images dont les détails sont difficiles à repérer, mais son utilité réelle devra être vérifiée directement auprès de groupes variés, notamment de personnes ne présentant aucun signe confirmé de cancer au début de leur suivi.
Conclusion
Les résultats de REDMOD montrent qu’une analyse détaillée des scanners pourrait repérer des motifs associés au cancer du pancréas en moyenne 475 jours avant le diagnostic clinique. Sur les images de 219 patients diagnostiqués par la suite, la sensibilité du programme a atteint 73 %, contre 39 % pour les radiologues. Pour les cas dont le diagnostic est survenu plus de deux ans après l’imagerie, le programme a repéré des signes dans 68 % des cas, contre 23 %. Il a également classé plus de 81 % des images d’un groupe de 539 personnes comme ne montrant pas de cancer, et 87,5 % des images du groupe NIH-PCT, composé de 80 personnes. Lorsqu’il a comparé plusieurs examens des mêmes patients, ses résultats concordaient dans 90 à 92 % des cas.
Ces chiffres ne signifient pas que la technologie soit déjà prête pour une utilisation courante. Il faut encore la valider dans des études prospectives portant sur des populations plus diverses, en prêtant une attention particulière aux personnes davantage exposées au risque, notamment celles qui perdent du poids sans raison apparente ou qui viennent d’apprendre qu’elles sont diabétiques. Si les recherches à venir confirment que les signes repérés sont fiables et permettent réellement de détecter la maladie plus tôt, cette méthode pourrait aider à modifier le moment où l’on porte attention à un cancer difficile à diagnostiquer précocement. Pour l’instant, il s’agit d’une avancée encourageante qui doit encore faire ses preuves avant d’entrer dans la pratique médicale.