Quand l’IA lit entre les cellules

9 octobre 2025 · Par Ana Espino

#IA #CancerduSein #OctobreRose Le cancer du sein représente une pathologie hétérogène, dont certaines formes agressives nécessitent un traitement néoadjuvant (NAT) avant chirurgie. Ce traitement a pour objectif de réduire la taille tumorale, d’améliorer la résection et d’évaluer la sensibilité tumorale aux agents utilisés. Cependant, la r

Par Ana Espino | Publié le 9 octobre 2025 | 3 min de lecture

#IA #CancerduSein #OctobreRose

Le cancer du sein représente une pathologie hétérogène, dont certaines formes agressives nécessitent un traitement néoadjuvant (NAT) avant chirurgie. Ce traitement a pour objectif de réduire la taille tumorale, d’améliorer la résection et d’évaluer la sensibilité tumorale aux agents utilisés. Cependant, la réponse au NAT varie fortement d’une patiente à l’autre. De plus, il n’existe actuellement aucun outil fiable en pratique clinique pour prédire précocement son efficacité. Les limites des approches actuelles résident dans la variabilité inter-observateur en anatomopathologie, la subjectivité de l’interprétation, et l’impossibilité d’extraire des caractéristiques morphologiques complexes à l’œil nu.

Dans ce contexte, l’intelligence artificielle (IA) et l’apprentissage automatique émergent comme des solutions puissantes pour analyser les lames histologiques numérisées et extraire des informations prédictives invisibles à l’œil humain. Cette étude vise à explorer comment une approche IA-pathologie peut aider à prédire la réponse au NAT chez les patientes atteintes de cancer du sein, en identifiant des biomarqueurs visuels à partir de lames H&E standard.

Peut-on prédire la réponse au traitement sur une lame H&E ?

L’étude repose sur l’analyse de lames histologiques H&E digitalisées provenant de 302 patientes atteintes de cancer du sein invasif, réparties selon leur réponse au traitement néoadjuvant (réponse complète pathologique vs partielle ou nulle). Les images ont été traitées via une plateforme d’intelligence artificielle utilisant un algorithme de type Vision Transformer (ViT), spécialisé dans la segmentation tissulaire, la quantification cellulaire, et l’extraction de caractéristiques spatiales et texturales.

Le modèle a appris à associer les caractéristiques morphologiques spécifiques (densité cellulaire, répartition des lymphocytes, organisation tumorale) à la réponse au NAT, aboutissant à un score prédictif robuste. Le modèle a généré un score prédictif performant, atteignant une AUC de 0,80 dans la cohorte test, avec une bonne capacité de généralisation sur des données issues d'autres centres. Il a également permis d’identifier visuellement les zones clés associées à la réponse, renforçant la valeur interprétative clinique de l’outil. Ces résultats suggèrent que l’IA peut détecter des marqueurs histologiques prédictifs absents de l’analyse conventionnelle, ouvrant la voie à une stratification thérapeutique personnalisée.

Vers une anatomopathologie augmentée

Le cancer du sein, dans ses formes agressives, nécessite une adaptation fine du traitement néoadjuvant, aujourd’hui encore guidée par des critères partiels. L’enjeu est de développer des outils objectifs, reproductibles et intégrables en clinique, capables de prédire précocement l’efficacité du NAT.

Cette étude montre que l’intelligence artificielle appliquée à l’histologie peut générer des biomarqueurs visuels puissants, indépendants de l’œil humain, pour prédire la réponse thérapeutique. La performance du modèle, sa capacité à s’adapter à des données extérieures, et son approche interprétable, en font un outil prometteur pour la médecine personnalisée.

Toutefois, des limites de cette étude persistent et justifient la poursuite de nouvelles recherches. Ces recherches incluront des cohortes multicentriques plus larges, une validation prospective, ainsi que l’intégration d’autres modalités cliniques ou moléculaires pour améliorer la précision du modèle. Le développement d’interfaces utilisateurs adaptées aux pathologistes sera également clé pour favoriser l’adoption de ces outils en pratique quotidienne, dans une optique de décision thérapeutique augmentée.

À lire également : Des nano-espions contre le cancer du sein ?

À propos de l'auteure – Ana Espino
Docteure en immunologie, spécialisée en virologie

Rédactrice scientifique, Ana est animée par la volonté de relier la recherche à l’impact concret. Spécialiste en immunologie, virologie, oncologie et études cliniques, elle s’attache à rendre la science complexe claire et accessible. Sa mission : accélérer le partage des savoirs et favoriser des décisions éclairées grâce à une communication percutante.

Connexion requise pour lire la suite

Réservé aux professionnels de santé, inscription gratuite.

Référence scientifique

Ji, J., et al. (2025). Artificial Intelligence-Based Pathology to Assist Prediction of Neoadjuvant Therapy Responses for Breast Cancer. Cancer medicine, 14(15), e71132

Voir la source

Autres articles récents

La nicotinamide prévient-elle vraiment le cancer de la peau ?

1 juillet 2026

Exercice par forte chaleur : comment préserver ses performances et éviter les risques ?

29 juin 2026

Oropouche : un nouveau virus à surveiller pendant la grossesse ?

26 juin 2026

Toute la revue de presse