Intelligence artificielle et cancer du sein triple négatif : avancées mondiales et perspectives

Le cancer du sein triple négatif (CSTN) représente environ 5 à 20 % des cancers du sein. Il se caractérise par son agressivité, sa forte hétérogénéité biologique et son pronostic relativement défavorable. Ces caractéristiques compliquent le choix des traitements et l’évaluation du pronostic.

L’intelligence artificielle (IA), notamment l’apprentissage automatique (machine learning) et l’apprentissage profond (deep learning), offre de nouvelles perspectives pour améliorer le diagnostic, la classification des tumeurs et la prédiction de la réponse aux traitements.

Chen et ses collaborateurs ont réalisé une analyse bibliométrique, publiée en septembre 2026, afin d’étudier les tendances mondiales de la recherche, les collaborations internationales et les applications émergentes de l’IA dans le CSTN.

Les chercheurs ont interrogé la base de données Web of Science Core Collection afin d’identifier les articles scientifiques publiés en anglais entre janvier 2015 et décembre 2025. Après sélection, 320 publications ont été retenues. Des logiciels d’analyse bibliométrique ont été utilisés pour étudier l’évolution du nombre de publications et de citations, les contributions des différents pays, les collaborations scientifiques et les changements dans les priorités de recherche.

Il est important de souligner que cette étude a évalué l’activité scientifique dans ce domaine, sans mesurer directement l’efficacité clinique des technologies d’IA.

L’activité de recherche a considérablement augmenté après 2022, atteignant 104 publications en 2025. Le nombre annuel de citations a également connu une forte progression, approchant les 2 500 en 2025.

La Chine et les États-Unis dominaient la production scientifique, avec respectivement 155 et 91 publications. L’université Fudan (Chine) et le MD Anderson Cancer Center (États-Unis) figuraient parmi les établissements de recherche les plus actifs.

Les collaborations internationales restaient toutefois relativement fragmentées, soulignant la nécessité de renforcer les partenariats scientifiques.

Les priorités de recherche ont considérablement évolué au cours de la dernière décennie. Les premières études portaient principalement sur le diagnostic assisté par ordinateur et le sous-typage moléculaire. Plus récemment, l’intérêt s’est orienté vers les biomarqueurs, le pronostic et la prédiction de la réponse histologique complète (pathological complete response, pCR) après une chimiothérapie néoadjuvante.

Les modèles d’IA combinant des données d’imagerie, d’anatomopathologie et de biologie moléculaire pourraient améliorer la prédiction de la réponse aux traitements et contribuer à personnaliser les décisions thérapeutiques.

Toutefois, des validations cliniques supplémentaires restent nécessaires avant d’envisager leur utilisation en pratique courante.

Le séquençage de l’ARN à l’échelle unicellulaire s’est imposé comme un axe de recherche important. En analysant l’expression des gènes dans chaque cellule individuellement, cette technologie permet de mieux comprendre l’hétérogénéité tumorale et le microenvironnement tumoral.

Associée à l’IA, elle pourrait faciliter l’identification de biomarqueurs, l’évaluation du pronostic et la compréhension des mécanismes de résistance aux traitements.

L’IA multimodale, qui intègre des données d’imagerie médicale, d’histopathologie, de génomique et des données cliniques, offre également des perspectives prometteuses pour l’oncologie de précision. Néanmoins, les preuves démontrant une amélioration des résultats cliniques pour les patients restent limitées.

Cette analyse met en évidence une évolution majeure de la recherche sur le CSTN : l’IA dépasse désormais le cadre de l’aide au diagnostic pour s’orienter vers des approches de plus en plus sophistiquées de prédiction de la réponse aux traitements et du pronostic.

Cependant, l’augmentation de l’activité scientifique ne se traduit pas nécessairement par une amélioration de la prise en charge des patients.

Pour les professionnels de santé, l’enjeu n’est donc pas seulement d’identifier des algorithmes toujours plus performants, mais de déterminer si ces technologies apportent des bénéfices cliniquement pertinents, fiables et reproductibles dans des populations de patients diversifiées.

Les progrès futurs dépendront de la collaboration multidisciplinaire, de l’utilisation de jeux de données représentatifs, d’une validation clinique rigoureuse et d’une intégration responsable de ces technologies dans les parcours de soins existants.

En définitive, l’IA présente un potentiel considérable pour faire progresser l’oncologie de précision dans le CSTN. Toutefois, son adoption à grande échelle en pratique clinique devra reposer sur des preuves solides de sécurité, d’efficacité et d’accès équitable aux soins.