La nouvelle est d'importance car le cancer de la prostate est le cancer masculin le plus fréquent. On estime à environ 1,1 million le nombre moyen de nouveaux cas diagnostiqués chaque année de par le monde et ce diagnostic doit normalement être confirmé par une biopsie dont l'analyse et l'interprétation requièrent l'expertise d'un anatomo-pathologiste.

Si les résultats présentés à Copenhague par Chengwei Zhang (photo) lors du 33ème congrès annuel de l'Association Européenne d'Urologie (EAU 2018) se confirment, cette nouvelle approche pourrait aider à surmonter toute éventuelle pénurie locale de pathologistes qualifiés et comme elle semble en outre apprécier de façon très précise le degré d'agressivité du cancer, elle aurait également comme avantage d''éliminer la variabilité inhérente à tout interprétation humaine. A plus long terme, cela pourrait conduire à un diagnostic automatisé ou partiellement automatisé du cancer de la prostate.

Science-fiction ou réalité ?

Les résultats présentés font état de l'analyse d'images de 918 coupes histologiques provenant de 283 patients ayant subi une résection complète de la prostate par voie laparoscopique et assistée par robot. Les images des coupes ont été utilisées pour fabriquer 40.000 petits échantillons dont 30.000 ont été utilisés pour apprendre graduellement au système à faire de mieux en mieux et de façon de plus en plus performante. Les 10.000 autres petits échantillons ont servi à tester la fiabilité diagnostique et celle-ci s'est révélée excellente puisqu'elle était concordante avec l'avis d'un anatomo-pathologiste confirmé dans 99,38% des cas.

Il a également été rapporté que sur un nombre limité de coupes histologiques (n = 10), le système avait été capable d'identifier différents stades de Gleason et que ces stades étaient en concordance avec ceux attribués par l'anatomopathologiste. L'intelligence artificielle progresse à un rythme incroyable - il suffit pour s'en convaincre de penser à la reconnaissance faciale sur les smartphones ou aux voitures sans conducteur. Ces résultats sont la preuve que la détection et le diagnostic du cancer peuvent en profiter également. Jusqu'à maintenant, les systèmes automatisés n'avaient qu'une valeur clinique limitée, mais ces données montrent que l'automatisation peut aboutir à une détection et à un diagnostic précis du cancer de la prostate.

Dr. Hongqian Guo, -
Dr. Hongqian Guo © -

"Cela ne signifie pas la disparition de l'anatomo-pathologiste humain" a déclaré Hongqian Guo, Nanjing, China (photo) responsable de ce travail. "Nous avons toujours besoin d'un anatomo-pathologiste expérimenté pour prendre la responsabilité du diagnostic final. Ce que le système d'intelligence artificielle permet, c'est un débit plus rapide avec une aussi bonne fiabilité et avec l'avantage potentiel d'une plus grande uniformité dans le diagnostic du cancer, d'un anatomo-pathologiste à un autre, d'un hôpital à un autre et d'un pays à un autre en éliminant les variations inhérentes à toute évaluation humaine".

C Zhang et al. EAU 2018, Copenhague 16-20 mars. Poster Session 17 #213

La nouvelle est d'importance car le cancer de la prostate est le cancer masculin le plus fréquent. On estime à environ 1,1 million le nombre moyen de nouveaux cas diagnostiqués chaque année de par le monde et ce diagnostic doit normalement être confirmé par une biopsie dont l'analyse et l'interprétation requièrent l'expertise d'un anatomo-pathologiste. Si les résultats présentés à Copenhague par Chengwei Zhang (photo) lors du 33ème congrès annuel de l'Association Européenne d'Urologie (EAU 2018) se confirment, cette nouvelle approche pourrait aider à surmonter toute éventuelle pénurie locale de pathologistes qualifiés et comme elle semble en outre apprécier de façon très précise le degré d'agressivité du cancer, elle aurait également comme avantage d''éliminer la variabilité inhérente à tout interprétation humaine. A plus long terme, cela pourrait conduire à un diagnostic automatisé ou partiellement automatisé du cancer de la prostate.Science-fiction ou réalité ? Les résultats présentés font état de l'analyse d'images de 918 coupes histologiques provenant de 283 patients ayant subi une résection complète de la prostate par voie laparoscopique et assistée par robot. Les images des coupes ont été utilisées pour fabriquer 40.000 petits échantillons dont 30.000 ont été utilisés pour apprendre graduellement au système à faire de mieux en mieux et de façon de plus en plus performante. Les 10.000 autres petits échantillons ont servi à tester la fiabilité diagnostique et celle-ci s'est révélée excellente puisqu'elle était concordante avec l'avis d'un anatomo-pathologiste confirmé dans 99,38% des cas.Il a également été rapporté que sur un nombre limité de coupes histologiques (n = 10), le système avait été capable d'identifier différents stades de Gleason et que ces stades étaient en concordance avec ceux attribués par l'anatomopathologiste. L'intelligence artificielle progresse à un rythme incroyable - il suffit pour s'en convaincre de penser à la reconnaissance faciale sur les smartphones ou aux voitures sans conducteur. Ces résultats sont la preuve que la détection et le diagnostic du cancer peuvent en profiter également. Jusqu'à maintenant, les systèmes automatisés n'avaient qu'une valeur clinique limitée, mais ces données montrent que l'automatisation peut aboutir à une détection et à un diagnostic précis du cancer de la prostate. "Cela ne signifie pas la disparition de l'anatomo-pathologiste humain" a déclaré Hongqian Guo, Nanjing, China (photo) responsable de ce travail. "Nous avons toujours besoin d'un anatomo-pathologiste expérimenté pour prendre la responsabilité du diagnostic final. Ce que le système d'intelligence artificielle permet, c'est un débit plus rapide avec une aussi bonne fiabilité et avec l'avantage potentiel d'une plus grande uniformité dans le diagnostic du cancer, d'un anatomo-pathologiste à un autre, d'un hôpital à un autre et d'un pays à un autre en éliminant les variations inhérentes à toute évaluation humaine".C Zhang et al. EAU 2018, Copenhague 16-20 mars. Poster Session 17 #213