Publié le 14 janvier 2026 19:24:00. Une nouvelle approche basée sur l’intelligence artificielle pourrait révolutionner le diagnostic et le traitement du cancer du sein, en particulier dans les pays où les tests génétiques coûteux sont inaccessibles, en permettant d’évaluer le risque de récidive à partir d’images médicales classiques.
- Un modèle d’apprentissage profond est capable de prédire le risque de récidive du cancer du sein et l’intérêt potentiel de la chimiothérapie à partir d’images histopathologiques.
- Cette technologie pourrait permettre d’éviter le surtraitement de patientes à faible risque, notamment dans les pays en développement.
- Les résultats de validation sont prometteurs, avec une bonne capacité de généralisation à différentes populations.
Des chercheurs ont développé un modèle d’intelligence artificielle (IA) capable de prédire le risque de récidive du cancer du sein et d’évaluer les bénéfices potentiels d’une chimiothérapie, en se basant uniquement sur l’analyse d’images histopathologiques – des images de tissus observées au microscope. Cette avancée, présentée lors du congrès inaugural d’IA et d’oncologie numérique de la Société européenne d’oncologie médicale (ESMO), pourrait transformer la prise en charge du cancer du sein, en particulier dans les régions du monde où les tests génétiques, coûteux et complexes, ne sont pas disponibles.
Actuellement, le score de récidive Oncotype DX®, un test d’expression génique, est largement utilisé pour guider les décisions thérapeutiques chez les patientes atteintes d’un cancer du sein à récepteurs hormonaux positifs et HER2 négatif. Les recommandations actuelles, basées notamment sur l’essai TAILORx, préconisent la chimiothérapie pour les patientes présentant un score de récidive élevé (26 ou plus). Cependant, ce type d’analyse génomique est inaccessible dans de nombreux pays en développement, où les décisions de traitement reposent davantage sur une évaluation clinique du risque. En Inde, par exemple, environ 85 % des patientes atteintes de ce type de cancer reçoivent une chimiothérapie.
L’équipe du Dr Gil Shamai, du Technion – Institut israélien de technologie, à Haïfa, a donc cherché à développer une alternative plus abordable et plus rapide. Leur modèle, basé sur l’apprentissage profond, analyse les images histopathologiques pour prédire le score Oncotype DX. « Cela peut avoir un impact considérable dans les endroits où les décisions de chimiothérapie sont basées sur le risque clinique, et cela est particulièrement important pour réduire le surtraitement », a déclaré le Dr Shamai.
« Cela peut avoir un impact considérable dans les endroits où les décisions de chimiothérapie sont basées sur le risque clinique et particulièrement important pour réduire le surtraitement. »
Gil Shamai, Ph.D.
Le modèle a été entraîné sur une vaste base de données d’images histopathologiques (171 189 lames d’hématoxyline et d’éosine) et affiné à l’aide des données de l’essai TAILORx (2 407 patientes) ainsi que de six cohortes externes supplémentaires (13 781 patientes). Les résultats de validation sont encourageants : la stratification du risque de récidive obtenue par l’IA est comparable à celle obtenue par le test Oncotype DX® traditionnel. De plus, le modèle a démontré une bonne capacité de généralisation à différentes populations, avec des aires sous la courbe allant de 0,832 à 0,903.
L’analyse des données de l’essai TAILORx a également montré que le modèle d’IA pouvait reclasser certaines patientes en fonction de leur risque de récidive. 5,4 % des patientes considérées comme à faible risque selon les critères cliniques MINDACT ont été reclassées à risque élevé par le modèle d’IA, tandis que 30,1 % ont été reclassées à faible risque, suggérant qu’elles pourraient éviter une chimiothérapie inutile.
Les chercheurs prévoient de lancer prochainement un essai clinique en Inde pour valider davantage ce modèle et évaluer son impact réel sur la prise en charge des patientes. Le Dr Shamai souligne qu’il s’agit du premier test prédictif du cancer du sein fondé sur des données probantes et basé sur la pathologie numérique.
Divulgation : Le Dr Shamai n’a signalé aucun conflit d’intérêts.
Références :