L’IA Égale les Radiologues pour Détecter le Cancer de la Prostate par IRM : Révélation d’une Étude Pionnière

PROSTATE CANCER Nijmegen – Avec l’évolution démographique des prochaines décennies, le nombre de cas suspects de cancer de la prostate va également augmenter. Cela signifie une charge de travail croissante pour les urologues et, en raison de l’utilisation de routine de l’IRM de la prostate, du moins en Suisse, également pour les radiologues. Les systèmes d’intelligence artificielle (IA) peuvent potentiellement réduire cette charge de travail croissante, éviter les surdiagnostics et réduire la dépendance vis-à-vis des radiologues expérimentés. L’étude présentée ci-dessous, menée par une équipe internationale d’auteurs autour d’Anindo Saha, membre du Diagnostic Image Analysis Group au Radboud University Medical Center à Nimègue, Pays-Bas, et du consortium PI-CAI (Prostate Imaging : Cancer AI), a examiné la performance d’un système d’IA dans la détection du cancer de la prostate cliniquement significatif (csPC) par IRM et l’a comparée à la performance des radiologues. Conçue comme une étude de non-infériorité, celle-ci a examiné rétrospectivement un ensemble de 10 207 examens IRM, dont la plus grande partie a été employée pour l’entraînement de l’IA. 2 440 cas souffraient d’un cancer de la prostate histologiquement confirmé de groupe Gleason 2 ou supérieur. Dans le sous-groupe de 400 cas test où le système d’IA a été comparé aux radiologues participants, le système d’IA a montré une AUROC (« Area Under the Receiver Operating Characteristic Curve » , Aire sous la courbe ROC). La courbe ROC (Receiver Operating Characteristic) est une méthode pour évaluer la performance d’un modèle de classification binaire. L’AUROC mesure la capacité du modèle à discriminer entre les deux classes. Celle ci etait statistiquement supérieure et non inférieure de 0,91 (intervalle de confiance à 95% [IC] de 0,87 à 0,94 ; p < 0,0001) par rapport à un groupe de 62 radiologues avec une AUROC de 0,86 (IC à 95% de 0,83 à 0,89). Dans le numéro de juillet 2024 de THE LANCET ONCOLOGY, les auteurs rapportent qu’avec un PI-RADS moyen de 3 ou plus, le système d’IA a détecté 6,8% de cas supplémentaires de cancer de la prostate du groupe de Gleason 2 ou plus pour la même spécificité (57,7% ; IC à 95% de 51,6 à 63,3) et 50,4% de résultats faussement positifs en moins et 20,0% de cas de cancer du groupe de Gleason 1 en moins pour la même sensibilité (89,4% ; IC à 95% de 85,3 à 92,9). (fa/um)

Auteurs : Saha A, Bosma JS, Twilt JJ, van Ginneken B, Bjartell A, Padhani AR, Bonekamp D, Villeirs G, Salomon G, Giannarini G, Kalpathy-Cramer J, Barentsz J, Maier-Hein KH, Rusu M, Rouvière O, van den Bergh R, Panebianco V, Kasivisvanathan V, Obuchowski NA, Yakar D, Elschot M, Veltman J, Fütterer JJ, de Rooij M, Huisman H; PI-CAI consortium. Correspondance Anindo Saha, Diagnostic Image Analysis Group, Department of Medical Imaging, Radboud University Medical Center, Nijmegen 6525 GA, Netherlands. E-mail : anindya.shaha@radboudumc.nl Étude : Artificial intelligence and radiologists in prostate cancer detection on MRI (PI-CAI): an international, paired, non-inferiority, confirmatory study. Source : Lancet Oncol. 2024 Jul;25(7):879-887. doi: 10.1016/S1470-2045(24)00220-1. Epub 2024 Jun 11. PMID: 38876123; PMCID: PMC11587881. Web : https://www.thelancet.com/journals/lanonc/article/PIIS1470-2045(24)00220-1/abstract

COMMENTAIRE Dans l’étude réalisée, le système d’IA n’était pas inférieur aux radiologues pour la détection des csPC à l’IRM. Il ressort que les systèmes d’IA en médecine ont le potentiel d’offrir une valeur ajoutée de soutien et éventuellement de réduire la charge de travail. Comme il s’agit d’une analyse rétrospective, une validation prospective doit certainement être effectuée avant l’application clinique.
Auteur : Dr Fabian Aschwanden, médecin assistant à l’Hôpital cantonal de Lucerne