Une étude hollandaise montre l'intérêt de l'IA dans le dépistage du cancer du poumon par scanner low dose

Le cancer du poumon est la principale cause de décès par cancer dans le monde, avec environ 1,8 million de décès en 2020, selon l'Organisation mondiale de la santé.

Un algorithme entrainé sur les images scanner de 16 000 nodules pulmonaires

Le scanner low dose est utilisé dans plusieurs pays – aux Pays-Bas et en Belgique notamment, mais pas en France - pour dépister les personnes à haut risque de cancer du poumon, comme les fumeurs de longue date. Il a été démontré qu'il réduisait considérablement la mortalité par cancer du poumon, principalement en aidant à détecter les cancers à un stade précoce lorsqu'ils sont plus faciles à traiter avec succès. Une distinction précise entre les nodules bénins et malins est donc cruciale pour détecter précocement les cancers.

Dans une nouvelle étude publiée dans la Revue Radiology, les chercheurs ont développé un algorithme de deep learning pour l'évaluation des nodules pulmonaires, formé sur des images tomodensitométriques de plus de 16 000 nodules, dont 1 249 tumeurs malignes, issues du National Lung Screening Trial hollandais. Ils ont validé l'algorithme sur trois grands ensembles de données d'imagerie de nodules de l'essai danois de dépistage du cancer du poumon. Cet algorithme a donné d'excellents résultats, surpassant le modèle pancanadien de détection précoce du cancer du poumon établi pour l'estimation du risque de malignité des nodules pulmonaires. Il a donné des résultats comparables à 11 cliniciens, dont quatre radiologues thoraciques, cinq résidents en radiologie et deux pneumologues.

Des variations inter-observateur, des coûts de dépistage et une charge de travail réduits grâce à l’algorithme

« L’algorithme peut aider les radiologues à estimer avec précision le risque de malignité des nodules pulmonaires, remarque le premier auteur de l’étude, Kiran Vaidhya Venkadesh, du groupe d'analyse d'image diagnostique au centre médical de l'université Radboud à Nimègue, aux Pays-Bas. Cela peut aider à optimiser les recommandations de suivi pour les participants au dépistage du cancer du poumon. » L'algorithme apporte potentiellement plusieurs avantages supplémentaires à la clinique, ont déclaré les chercheurs.

« Comme il ne nécessite pas d'interprétation manuelle des caractéristiques radiologiques des nodules, l'algorithme proposé peut réduire la variabilité inter-observateur éventuelle dans l'interprétation du scanner, poursuit l'auteur principal de l’étude, le Pr Colin Jacobs, professeur adjoint au Département d'imagerie médicale au Radboud University Medical Centre à Nimègue. Cela peut conduire à moins d'interventions diagnostiques inutiles, à réduire la charge de travail des radiologues et à réduire les coûts du dépistage du cancer du poumon. »

Les chercheurs prévoient de continuer à améliorer l'algorithme en incorporant des paramètres cliniques tels que l'âge, le sexe et les antécédents de tabagisme. Ils travaillent également sur un algorithme de deep learning qui prendrait en entrée plusieurs examens tomodensitométriques. L'algorithme actuel convient parfaitement à l'analyse des nodules lors du dépistage initial ou de base, mais pour les nodules détectés lors des dépistages ultérieurs, la croissance et l'apparence par rapport au scanner précédent sont importantes.