L’intelligence artificielle (IA) trouve toute sa valeur ajoutée aussi dans la chirurgie du cancer, en permettant d’améliorer la précision de l'ablation, ici des tumeurs de cancer du sein. Ce modèle d'IA développé à l'Université de Caroline du Nord (UNC) et documenté dans les Annals of Surgical Oncology permet de mieux évaluer si les tissus cancéreux ont été complètement éliminés lors d’une chirurgie du cancer du sein.
« Certains cancers peuvent être ressentis et visualisés à l’imagerie, mais il n’est pas toujours possible de voir les cellules cancéreuses microscopiques qui peuvent subsister à la marge des tissus prélevés. Certains cancers sont même complètement microscopiques », explique l'auteur principal, le Dr Kristalyn Gallagher, chef de service de chirurgie mammaire dans la division d'oncologie chirurgicale de l’UNC.
« Ce nouvel outil d’IA nous permet d’analyser plus précisément les tumeurs retirées chirurgicalement en temps réel et d’augmenter les chances que toutes les cellules cancéreuses soient retirées pendant l’opération. Cela évite une 2è ou 3è intervention chirurgicale aux patients ».
S’assurer que toutes les cellules cancéreuses soient retirées
est bien le défi commun à toute résection chirurgicale
Pour atteindre cet objectif, le chirurgien résèque la tumeur et prélève une petite quantité de tissu sain environnant. L'échantillon est ensuite photographié à l'aide d'un appareil de mammographie et examiné par l'équipe pour s'assurer que la zone anormale a été éliminée. Il est ensuite envoyé en pathologie pour analyse plus approfondie. Le pathologiste peut déterminer si les cellules cancéreuses s'étendent jusqu'au bord extérieur de l'échantillon ou à la marge pathologique. Si des cellules cancéreuses sont présentes au bord du tissu prélevé, il est possible que d’autres cellules cancéreuses restent encore dans le sein. Le chirurgien devra peut-être effectuer une intervention chirurgicale supplémentaire pour retirer des tissus supplémentaires afin de s’assurer que la tumeur a été complètement éliminée.
Pour « enseigner » au modèle d'IA à quoi ressemblent des marges positives et négatives, les chercheurs l’ont « nourri » avec des centaines de ces images de mammographie d'échantillons et les données des rapports finaux d'échantillons des pathologistes. Le modèle a également été conçu pour prendre en compte des facteurs « patient » dont l'âge, l’origine ethnique, le type de tumeur et la taille de la tumeur.
Enfin, les chercheurs ont calculé la précision du modèle dans la prévision des marges pathologiques, et comparé ces données à la précision moyenne de l’interprétation humaine :
le modèle d’IA fonctionnait aussi bien que les humains, sinon mieux.
Les modèles d'IA peuvent soutenir la prise de décision des médecins et des chirurgiens en salle d'opération grâce à la vision par ordinateur, explique ainsi l’un des auteurs principaux, le Dr Kevin Chen, résident en chirurgie générale : « nous constatons que le modèle d’IA égale ou surpasse légèrement les humains en termes d’identification de marges positives ».
Le modèle apparaît particulièrement utile pour discerner les marges chez les patientes présentant une densité mammaire plus élevée. Sur les mammographies, les tissus mammaires de plus haute densité et les tumeurs apparaissent comme une couleur blanche brillante, ce qui rend difficile de discerner où se termine exactement le cancer et où commence le tissu mammaire sain.
De plus, de tels modèles pourraient également être particulièrement utiles pour les hôpitaux disposant de moins de ressources, qui n’ont peut-être pas de chirurgiens, de radiologues ou de pathologistes spécialisés pour prendre une décision rapide et éclairée en salle d’opération. Au lieu de devoir faire une estimation, les chirurgiens, et les médecins pourraient s'appuyer sur un modèle formé à partir de centaines ou de milliers d'images, obtenir un retour immédiat sur leur intervention chirurgicale et pouvoir ainsi prendre une décision plus éclairée.
Le modèle continue à être nourri de nouvelles photos issues de patientes et prises par des chirurgiens différents. Le modèle devra être validé par d’autres études avant de pouvoir être utilisé en routine clinique.
Mais la précision du modèle devrait augmenter au fil du temps et permettre des marges toujours plus réduites.
Source: Annals of Surgical Oncology Aug, 2023 DOI: 10.1245/s10434-023-14083-1 Analysis of Specimen Mammography with Artificial Intelligence to Predict Margin Status
Lire aussi : CANCER : L’IA pour éliminer le risque à la marge
