Une IA prédit le risque de récidive du cancer chez les enfants

Une nouvelle avancée technologique promet de transformer le suivi des enfants atteints de cancer cérébral. Une intelligence artificielle (IA) développée par des chercheurs américains analyse plusieurs scans cérébraux dans le temps afin de prédire avec une précision remarquable le risque de récidive, surpassant largement les méthodes traditionnelles.

Une IA innovante pour prédire la récidive des gliomes pédiatriques

Les gliomes, des tumeurs cérébrales fréquentes chez l’enfant, sont souvent traitables par chirurgie, mais leur risque de rechute reste difficile à anticiper. Benjamin Kann, chercheur au programme d’Intelligence Artificielle en Médecine du Mass General Brigham et professeur assistant en radiothérapie à Harvard Medical School, souligne que « de nombreux gliomes pédiatriques sont guérissables par chirurgie seule, mais lorsque des rechutes surviennent, elles peuvent être dévastatrices ». Il ajoute que le suivi par IRM répétée sur plusieurs années est source de stress pour les enfants et leurs familles, d’où la nécessité d’outils plus précis pour identifier les patients à haut risque.

Une méthode fondée sur l’apprentissage temporel

Les chercheurs ont collaboré entre plusieurs institutions, notamment le Mass General Brigham, l’hôpital pour enfants de Boston, ainsi que le centre Dana-Farber/Boston Children’s Cancer and Blood Disorders. Financé en partie par les Instituts nationaux de la santé des États-Unis, ce travail a exploité près de 4 000 IRM réalisées sur 715 enfants atteints de gliomes.

Pour maximiser la capacité d’apprentissage de l’IA, les scientifiques ont utilisé une technique innovante appelée « apprentissage temporel ». Cette méthode permet au modèle d’intégrer et d’analyser plusieurs images cérébrales prises à différents moments au cours des mois suivant la chirurgie. Contrairement aux modèles classiques qui se limitent à une seule image, cette approche temporelle aide à détecter des changements subtils annonciateurs de récidive.

Des résultats prometteurs

Le modèle fondé sur l’apprentissage temporel a démontré une capacité à prédire la récidive des gliomes, qu’ils soient de bas ou haut grade, avec une précision oscillant entre 75 % et 89 % à un an après le traitement. Cette performance est nettement supérieure à celle des méthodes traditionnelles, qui se situent autour de 50 %, un niveau proche du hasard. L’analyse de plusieurs images post-traitement augmente la précision, mais celle-ci se stabilise après l’examen de quatre à six scans.

Perspectives cliniques et recherche future

Les auteurs insistent cependant sur la nécessité de valider ces résultats dans d’autres contextes cliniques avant de déployer cette technologie en routine. L’objectif est de lancer des essais cliniques afin d’évaluer si la prédiction par IA peut améliorer la prise en charge, notamment en réduisant la fréquence des IRM chez les patients à faible risque ou en adaptant précocement les traitements adjuvants pour ceux à haut risque.

Divyanshu Tak, premier auteur de l’étude, souligne l’importance de cette avancée : « Nous avons démontré que l’IA peut efficacement analyser et prédire à partir de multiples images, et pas seulement d’un seul scan. Cette technique pourrait être appliquée dans de nombreuses situations où les patients bénéficient d’imagerie sérielle et longitudinale. »