L’intelligence artificielle peut-elle révolutionner le diagnostic et le traitement du cancer de la vessie ?
Le cancer de la vessie est l’un des cancers les plus fréquents affectant le système urinaire, en particulier en Asie. En Chine seulement, environ 80 000 nouveaux cas sont signalés chaque année, et ce nombre ne cesse d’augmenter. Environ 75 % de ces cas sont des cancers de la vessie non invasifs du muscle (NMIBC), ce qui signifie que le cancer ne s’est pas propagé profondément dans la paroi de la vessie. Les 25 % restants sont des cancers de la vessie invasifs du muscle (MIBC), où le cancer a pénétré les couches plus profondes de la vessie. Pour de nombreux patients, la chirurgie pour retirer la vessie, appelée cystectomie radicale, est souvent la principale option de traitement. Mais diagnostiquer et stadifier le cancer de la vessie n’est pas simple. Les méthodes actuelles comme la cystoscopie (une procédure pour examiner l’intérieur de la vessie) et la chirurgie traditionnelle comportent des risques, notamment des complications et même la mort. De plus, la cystoscopie ne peut pas toujours distinguer le cancer des tissus sains, en particulier dans des cas complexes comme la maladie multifocale ou le carcinome in situ (un type de cancer à un stade précoce).
C’est là que l’intelligence artificielle (IA) intervient. L’IA, en particulier l’apprentissage automatique (ML) et l’apprentissage profond (DL), offre de nouvelles façons de rendre le diagnostic et le traitement du cancer de la vessie plus précis et moins invasifs. Imaginez utiliser des images 3D issues de scanners ou d’IRM pour cartographier les tumeurs en détail. L’apprentissage automatique peut analyser ces images pour distinguer les tumeurs de bas grade (moins agressives) des tumeurs de haut grade (plus agressives). Cela aide les médecins à planifier des chirurgies moins invasives, ce qui peut signifier moins de pertes de sang, des séjours hospitaliers plus courts, une récupération plus rapide et moins de complications.
Pour le MIBC, l’apprentissage automatique peut également analyser les bourgeons tumoraux—de petits amas de cellules cancéreuses qui se propagent à partir de la tumeur principale. Ces bourgeons sont liés au système de stadification TNM, qui aide à déterminer jusqu’où le cancer s’est propagé. En étudiant ces bourgeons, l’IA peut classer les patients atteints de MIBC en trois nouveaux stades basés sur leurs taux de survie. Cela donne aux médecins une image plus claire de la maladie et les aide à mieux prédire les résultats. L’analyse automatisée des lames de ces bourgeons offre également une nouvelle façon de stadifier le MIBC, fournissant des informations précieuses pour les décisions de traitement.
L’IA ne s’arrête pas au diagnostic. Elle peut également prédire la probabilité que le cancer réapparaisse et combien de temps les patients pourraient survivre après la chirurgie. Les modèles construits à l’aide de l’apprentissage automatique ont montré une grande précision, avec des taux de sensibilité et de spécificité supérieurs à 70 % pour prédire la récidive et la survie à 1, 3 et 5 ans après la chirurgie. Ces modèles aident les médecins à créer des plans de suivi personnalisés, améliorant ainsi les soins pour chaque patient. L’IA peut même analyser les données génétiques d’échantillons congelés de NMIBC pour prédire les résultats, rendant les plans de traitement encore plus précis.
Mais malgré ces avancées passionnantes, l’IA n’est pas encore largement utilisée en clinique. Un grand défi est le manque de données standardisées. Différents appareils et méthodes peuvent produire des résultats différents, ce qui rend difficile la création de modèles d’IA universels. La collecte de données provenant de plusieurs hôpitaux est également cruciale pour rendre ces modèles plus fiables. Un autre problème est que de nombreuses lignes directrices de traitement sont basées sur des recherches qui ne tiennent pas toujours compte des différences ethniques ou d’autres facteurs. Cela rend plus difficile l’application de ces lignes directrices à tous les patients.
Pour surmonter ces défis, les modèles d’IA doivent être entraînés sur des ensembles de données complets qui incluent des informations avant, pendant et après la chirurgie. Cela aiderait à prédire le pronostic de chaque patient plus précisément. Les dossiers médicaux électroniques pourraient être utilisés pour fournir des prédictions en temps réel, donnant aux médecins de meilleures informations sur la maladie. Bien que l’IA ne remplacera pas le jugement des médecins, elle peut compléter les méthodes traditionnelles, offrant des informations supplémentaires pour guider les décisions.
Pour que l’IA atteigne son plein potentiel, les organisations de santé et les entreprises technologiques doivent travailler ensemble. Elles doivent encourager la collecte de données et la recherche en IA pour améliorer les options de traitement. Bien que l’IA en soit encore à ses débuts dans le domaine de la santé, elle a le potentiel de transformer la façon dont le cancer de la vessie est diagnostiqué et traité. Comme tous les outils médicaux, l’IA a ses avantages et ses inconvénients. Elle peut rendre le diagnostic plus rapide et plus cohérent, mais elle pourrait également conduire à un surdiagnostic—détecter des cancers qui ne causeraient pas de dommages. L’IA ne peut pas résoudre le problème de « l’étalon-or », mais elle peut mettre en évidence les zones grises entre « cancer » et « non-cancer ». Ce qui compte vraiment, c’est de savoir si le diagnostic améliore la durée et la qualité de vie d’un patient.
Avant que l’IA ne devienne une routine dans la pratique clinique, il est important de former ces systèmes à reconnaître ces zones grises. Alors que l’IA continue d’évoluer, elle changera la façon dont les médecins diagnostiquent et prennent des décisions. Mais l’expérience des médecins et les preuves scientifiques seront toujours essentielles pour s’assurer que l’IA fonctionne comme prévu et fournit des résultats fiables. L’intégration de l’IA dans les soins du cancer de la vessie est un grand pas en avant, offrant l’espoir de meilleurs résultats et de soins de meilleure qualité.
En conclusion, l’intelligence artificielle a le potentiel de changer la façon dont nous diagnostiquons et traitons le cancer de la vessie. En utilisant l’apprentissage automatique et l’apprentissage profond, les médecins peuvent rendre le diagnostic plus précis et moins invasif. Mais il reste encore des défis à surmonter, comme la standardisation des données et la collecte d’informations provenant de multiples sources. Avec une recherche continue et une collaboration, l’IA pourrait devenir un outil puissant dans la lutte contre le cancer de la vessie, aidant à améliorer les résultats pour les patients et la qualité des soins.
À des fins éducatives uniquement.
doi.org/10.1097/CM9.0000000000001830