Modèle d’IA multimodal pronostique pour la récidive à long terme après un traitement pour un cancer du sein précoce

Publié le 10 décembre 2025 à 22h13. Un modèle d’intelligence artificielle (IA) basé sur l’analyse d’images de lames entières, de données cliniques et d’analyses moléculaires s’avère plus performant pour prédire les risques de récidive du cancer du sein que les tests existants, ouvrant la voie à des traitements plus personnalisés.

• L’IA ICM+ améliore la prédiction des récidives à distance, notamment tardives, par rapport au test Oncotype DX.
• L’ajout d’images de lames entières (pathologie) à l’analyse multimodale est un facteur clé de cette amélioration.
• Les résultats ont été présentés lors du Symposium sur le cancer du sein de San Antonio 2025.

Une nouvelle approche basée sur l’intelligence artificielle pourrait permettre d’affiner la prédiction des risques de récidive du cancer du sein et d’adapter les traitements en conséquence. Des chercheurs ont développé un modèle d’IA, baptisé ICM+ (pour Image, Clinique et Moléculaire amélioré), capable d’intégrer des données provenant de différentes sources : images de lames entières, caractéristiques cliniques des patientes et analyses moléculaires approfondies. Les résultats, présentés lors du Symposium sur le cancer du sein de San Antonio, suggèrent que ce modèle offre une meilleure valeur pronostique que les tests actuellement utilisés, comme le test Oncotype DX.

L’étude s’appuie sur les données de l’étude de phase 3 TAILORx (NCT00310180), qui a inclus 10 273 patientes atteintes d’un cancer du sein hormono-dépendant (récepteurs hormonaux positifs, HER2 négatif) sans atteinte ganglionnaire. Les patientes ont été stratifiées en fonction de leur risque de récidive à l’aide du test Oncotype DX. 69 % (n = 6 711) présentaient un score de récidive intermédiaire (entre 11 et 25), 17 % (n = 1 619) un score faible (10 ou moins) et 14 % (n = 1 389) un score élevé (26 ou plus).

Les patientes à faible risque ont reçu une hormonothérapie seule, tandis que celles à risque élevé ont bénéficié d’une chimiothérapie combinée à une hormonothérapie. Les patientes du groupe intermédiaire ont été réparties au hasard pour recevoir soit une hormonothérapie seule (n = 3 399), soit une chimiothérapie suivie d’une hormonothérapie (n = 3 312). L’hormonothérapie consistait principalement en un inhibiteur de l’aromatase pour les femmes ménopausées et en tamoxifène seul ou associé à un inhibiteur de l’aromatase pour les femmes préménopausées.

Selon le Dr Joseph A. Sparano, investigateur principal de l’étude, de l’Icahn School of Medicine du Mount Sinai (New York), le modèle ICM+ permet d’identifier des différences significatives dans le risque de récidive à distance, en fonction des différents groupes de scores de récidive.

« La stratification du risque ICM+ a identifié des différences absolues cliniquement pertinentes dans le risque de récidive à distance dans tous les groupes, sauf dans le groupe à faible score de récidive, allant d’environ 13 % pour un score de récidive de 11 à 25 jusqu’à 56 % si le score de récidive était de 26 à 100 »

Joseph A. Sparano, MD, Icahn School of Medicine du Mount Sinai

Il a également souligné que le modèle offrait une stratification pronostique statistiquement significative et cliniquement pertinente, même dans les groupes à risque génomique faible ou élevé selon le test Oncotype DX.

Le modèle ICM+ a été entraîné à partir d’images numérisées de lames de tissus (coloration hématoxyline et éosine) obtenues à partir de 4 462 échantillons tumoraux de l’étude TAILORx, ainsi que des données de séquençage génomique. L’analyse moléculaire a porté sur cinq signatures génétiques commerciales (Oncotype DX, MammaPrint, Prosigna, EndoPredict et BCI) ainsi que sur 57 autres gènes à forte variance. Le modèle final a intégré les signatures EndoPredict, BCI et Oncotype DX (42 gènes au total).

Les performances du modèle ICM+ ont été évaluées à l’aide de l’indice C de concordance, un indicateur de la capacité du modèle à distinguer les patientes à risque élevé de celles à faible risque. Les résultats ont montré que le modèle ICM+ surpassait significativement le test Oncotype DX pour prédire les récidives à distance globales et tardives (plus de 5 ans). Pour les récidives précoces (moins de 5 ans), les performances étaient comparables.

Dans l’ensemble de validation, le modèle ICM+ a maintenu sa supériorité par rapport au test Oncotype DX, avec un indice C de 0,733 contre 0,631 pour la récidive à distance à 15 ans. Pour les récidives tardives (après 5 ans), l’indice C était de 0,705 pour ICM+ contre 0,527 pour Oncotype DX.

Les chercheurs soulignent que l’utilisation de l’imagerie pathologique, accessible grâce à des scanners de lames entières, pourrait permettre d’améliorer la précision de la prédiction des risques et d’optimiser les stratégies thérapeutiques pour les patientes atteintes d’un cancer du sein précoce. Selon le Dr Sparano, cette approche pourrait être déployée à grande échelle à un coût relativement faible.

Références

1. Sparano JA, Wang V, Gray RJ et al. Modèles d’intelligence artificielle (IA) multimodaux intégrant des données d’image, cliniques et moléculaires pour prédire la récidive précoce et tardive du cancer du sein dans TAILORx. Présenté à : la Conférence de San Antonio sur le cancer du sein ; du 9 au 12 décembre 2025 ; San Antonio, Texas. Résumé GS1-09.
2. Sparano JA, Gray RJ, Makower DF et al. Chimiothérapie adjuvante guidée par un test d’expression de 21 gènes dans le cancer du sein. N Engl J Med. 2018 ; 379 : 111-121.