Publicité

Surveillance du cancer de la prostate : l'IRM bi-paramétrique comme alternative à la PSA et aux biopsies

18/01/2023
De Bruno Benque avec European Radiology

Pour effectuer un suivi du cancer de la prostate à faible risque, l’analyse du PSA et des biopsies répétées sont nécessaires. Une étude hollandaise publiée dans la Revue European Radiology propose une alternative par IRM bi-paramétrique assistée par l’IA. Les résultats sont prometteurs.

Le cancer de la prostate représente plus d'un cinquième des diagnostics de cancer chez l’homme. L'introduction du dépistage de l'antigène spécifique de la prostate (PSA) pour la détection de cette pathologie a conduit à un surdiagnostic à faible risque.

L’IRM en série comme alternative aux biopsies répétées dans la surveillance des cancers de la prostate à faible risque

Pour les hommes sujets à un cancer de la prostate localisé à faible risque, le traitement curatif a un bénéfice limité et est associé à une qualité de vie réduite, remplacé désormais par une surveillance active (SA) est un plan de prise en charge à minima par évaluation des mesures de PSA et de biopsies répétées, afin de détecter précocement la progression de la maladie et de maximiser l'efficacité du traitement curatif ultérieur.

L'IRM en série s’avère une méthode non invasive pertinente pour surveiller les patients atteints de cancer de prostate et est couramment utilisée par les radiologues pour comparer les résultats dans le temps et pour rendre compte de sa stabilité radiologique ou de sa progression. Les directives PRECISE éditent les meilleures pratiques actuelles pour rapporter les résultats d'IRM en série dans le cadre de la SA, sur la base des changements de taille et des caractéristiques histologiques. Pourtant, les précisions diagnostiques rapportées sont actuellement encore trop faibles pour en faire l’examen de première intention en tant qu'alternative fiable aux biopsies répétées dans les protocoles AS.

Une étude analyse l’apport de l’IA pour l’amélioration de l’IRM bi-paramétrique pour surveiller l’évolution des lésions

Mais la surveillance par IRM peut être améliorée grâce à l'intelligence artificielle (IA), bien que les scientifiques n’aient pas encore exploré l'utilisation des informations différentielles sur les examens séquentiels d'IRM de la prostate avec cet outil. Le développement simple de l'IA pour la SA est difficile, en raison du faible nombre d'examens IRM séquentiels. C’est la raison pour laquelle une étude hollandaise publiée dans la Revue European Radiology, propose un algorithme de machine learning hybride efficace en termes de données. Il s'appuie sur des recherches antérieures en IA où un grand nombre d'études IRM ponctuelles peuvent générer des caractéristiques interprétables.

Cette étude vise à évaluer la faisabilité de la surveillance par IRM biparamétrique (IRMbp) de la prostate assistée par IA pour la détection automatique du cancer de la prostate. Les chercheurs comparent d’une part une IA de surveillance par IRMbp à point unique à une IA de surveillance par IRMbp à plusieurs points, recherchent si l'inclusion de paramètres cliniques entraîne une amélioration supplémentaire et évaluent la performance du meilleur modèle de SA de l'IA par rapport à celle d'un radiologue expérimenté. Le système proposé est formé de telle sorte qu'il détecte et suit toutes les lésions de cancer de prostate et discrimine cliniquement les cancers non significatifs en utilisant des caractéristiques statiques et dynamiques.

Des résultats prometteurs en termes de précision diagnostique

Cette étude rétrospective a inclus un ensemble de données multicentrique de 1513 patients fait l’objet d’une IRMbp (T2 + DWI) entre 2014 et 2020, parmi lesquels 73 patients ont reçu au moins deux IRMbp consécutives et des biopsies répétées. Un modèle de détection de cancer de la prostate par deep learning a été développé pour produire une carte thermique de toutes les lésions PIRADS ≥ 2 dans les études antérieures et actuelles. Un classificateur de machine learning a également été formé pour prédire, à partir de ces caractéristiques (ISUP> 1), les résultats de la biopsie. Un classificateur formé uniquement sur l'étude en cours a été développé à des fins de comparaison. La performance diagnostique du meilleur modèle a été comparée aux scores du radiologue.

Le modèle comprenant l'étude antérieure et actuelle a entraîné une précision diagnostique plus élevée que le modèle actuel uniquement. L'ajout de variables cliniques a encore amélioré les performances diagnostiques qui ont été jugées significativement meilleures que celles des radiologues. Ces résultats sont en faveur, selon les chercheurs, d’une précision diagnostique prometteuse de la surveillance assistée par l'IA de l'IRM du cancer de la prostate.

SUR LE MÊME THÈME

IA & Données
Les comptes rendus radiologiques ne sont pas près de passer par GPT-4
Abonné(e)

Les comptes rendus radiologiques ne sont pas près de passer par GPT-4

Les grands modèles de langage multimodaux seraient-ils capables de réaliser des comptes rendus radiologiques ? Des résultats d’essais contradictoires troublent le ressenti sur les possibilités de GPT-4V, un modèle qui se concentre uniquement sur la précision diagnostique. Une étude publiée dans la R...

21/07/2025 -

IA & Données
Un nouvel outil d'extraction de données spécialisé en radiologie

Un nouvel outil d'extraction de données spécialisé en radiologie

Les méthodes d’élaboration des grands modèles de langage sont basées sur des règles qui ne traitent pas efficacement les données non standardisées. Des chercheurs britanniques présentent, dans un article publié dans la Revue European Radiology, RADEX, le nouvel outil d’extraction de données radiolog...

15/07/2025 -

IA & Données
Des grands modèles de langage sensés participer à l'annotation des images pour le deep learning
Abonné(e)

Des grands modèles de langage sensés participer à l'annotation des images pour le deep learning

Incontournables pour l’entrainement des modèles de deep learning, les annotations d’images radiologiques sont rébarbatives et chronophages pour les experts qui les créent. Des grands modèles de langage (LLM) pourraient remplacer les annotations humaines, comme l’indique un article scientifique publi...

23/06/2025 -

IA & Données
Les bonnes pratiques pour l'évaluation de la pertinence d'un outil d'IA en imagerie
Abonné(e)

Les bonnes pratiques pour l'évaluation de la pertinence d'un outil d'IA en imagerie

Radiologues, informaticiens et chercheurs présentent, dans un article publié dans la Revue Radiology, les pièges et les meilleures pratiques pour atténuer les biais des modèles d'intelligence artificielle (IA) en imagerie médicale. Ils présentent une sorte de feuille de route pour des pratiques plus...

13/06/2025 -

IA & Données
Abonné(e)

Des LLM affinés pour aider à la relecture des comptes rendus

Selon une nouvelle étude publiée dans la Revue Radiology, un grand modèle de langage (LLM) améliorerait sensiblement la détection des erreurs dans les comptes rendus de radiologie. Les chercheurs ont utilisé des comptes rendus synthétiques et des données ciblées pour donner au LLM de la légèreté.

23/05/2025 -

IA & Données
Abonné(e)

Agir sur la vulnérabilité des grands modèles de langage en radiologie

Dans un nouvel article spécial publié dans la Revue Radiology, des chercheurs abordent les défis de cybersécurité liés aux grands modèles de langage (LLM). Ils soulignent l'importance de mettre en œuvre des mesures de sécurité pour empêcher leur utilisation malveillante dans le système de Santé et m...

21/05/2025 -

IA & Données
Abonné(e)

Une feuille de route pour atténuer les biais de l'IA

Les biais diagnostiques créés par l’IA relèvent d’un manque d’informations démographiques incluent dans les données de santé. Dans un article publié dans la Revue Radiology, des chercheurs américains décrivent l’importance d’une définition homogène décrivant les groupes démographiques. Un travail qu...

20/05/2025 -

LETTRE D'INFORMATION

Ne manquez aucune actualité en imagerie médicale et radiologie !

Inscrivez-vous à notre lettre d’information hebdomadaire pour recevoir les dernières actualités, agendas de congrès, et restez informé des avancées et innovations dans le domaine.