L’intelligence artificielle peut-elle aider à la qualité de la coloscopie ?

La technologie émergente d’intelligence artificielle (IA) a le potentiel d’améliorer la qualité de la coloscopie en aidant les gastroentérologues à mieux détecter et caractériser les lésions colorectales. Les progrès récents de l’IA, en particulier les systèmes d’apprentissage profond et de détection assistée par ordinateur (DAOe), sont censés améliorer le dépistage du cancer colorectal (CCR), prouver l’efficacité de la coloscopie dans sa prévention et éviter les cancers d’intervalle.

Ces systèmes doivent permettre d’identifier automatiquement les vrais polypes adénomateux en temps réel, mais induisent souvent un bruit de fond lié à la détection des petits polypes hyperplasiques, non cliniquement significatifs et source de polypectomies inutiles. Les avantages de la DAOe dans la détection des adénomes tous venant ont, jusqu’ici été démontrés dans de nombreux essais randomisés dans lesquels le comportement des endoscopistes était strictement contrôlé. Qu’en est-il en pratique réelle ?

Une revue systématique dans le monde réel

Cette revue systématique rapporte les avantages et les inconvénients de l'utilisation l’IA dans les études non randomisées et donc le monde réel. Huit études ont été incluses, comprenant 9 782 patients (4 569 avec DAOe et 5 213 sans DAOe). Le taux de détection des adénomes (44 % contre 38 % ; risque relatif, 1,11) et le nombre moyen d'adénomes par coloscopie (0,93 contre 0,79 ; DM, 0,14) étaient similaires entre la coloscopie assistée et standard.

Il n'y avait aucune différence sur la moyenne des lésions non néoplasiques détectées par coloscopie (8 études incluses pour l'analyse ; 0,52 contre 0,47 ; DM, 0,14) et sur le temps de descente de l’endoscope (6 études incluses pour l'analyse ; 14,3 contre 13,4 minutes ; DM, 0,8 minute). On notait une hétérogénéité substantielle dans ces études et tous les critères de jugement ont été notés avec un niveau de preuve très faible.

Les promesses non tenues de l’IA

Malgré la haute définition des nouveaux coloscopes, le taux de détection des polypes et la résection des lésions précancéreuses restent largement tributaire de l’opérateur. Le taux de détection des adénomes (TDA) varie ainsi largement (7 % à 53 %) d’un endoscopiste à l’autre et pourrait être amélioré par l’IA. Les applications utilisant l’IA dans le dépistage du CCR comprennent la détection assistée par ordinateur (DAOe) et le diagnostic (ou la différentiation) assisté par ordinateur (DAOx).

La DAOe permet de repérer les lésions précancéreuses pendant la coloscopie en utilisant des algorithmes d’apprentissage machine, ce qui réduit la variabilité entre les coloscopistes, alors que la DAOx, encore balbutiante, permettrait de mieux caractériser lesdites lésions en effectuant des « biopsies optiques ». Un fait demeure certain : cette technologie sensibilise les opérateurs à réaliser une coloscopie minutieuse, de qualité lorsqu’elle les met face à face à une IA.

Est-ce suffisant pour garantir une véritable prévention du CCR? L’étude espagnole de Mangas-Sajuan C et Coll. publiée en 2023 dans Annals of Internal Medicine est particulièrement instructive puisqu’elle n’a pas montré l’intérêt de l’IA pour dépister les adénomes avancés réellement pré-néoplasiques (taille>10 mm ou dysplasie de haut garde ou caractère villeux) chez 3 213 patients ayant un FIT positif (2). Elle a cependant confirmé l’intérêt de GI Genius (Medtronic) dans le dépistage des lésions non polypoïdes coliques proximales, des adénomes et polypes <5 mm.

Néanmoins les TDA élevés, souvent > 45 %, dans le groupe témoin peuvent limiter la généralisation des résultats aux seuls endoscopistes ayant de faibles taux de détection (<25 %). Une première méta-analyse de Hassan et Coll. portant sur 21 études et 18 232 patients allait dans le même sens (3). Cette nouvelle méta-analyse d’essais non randomisés confirme que la DAOe n'améliore pas la détection des adénomes, remet en question la généralisation des résultats des essais randomisés et doit déboucher sur des études contrôlées plus pragmatiques des dispositifs commercialisés.

Des défis à relever avant une éventuelle généralisation

Parallèlement, il semble nécessaire de mieux définir la transparence, la confidentialité et la sécurité des bases de données utilisées dans les dispositifs afin de ne pas s’exposer à des conséquences judiciaires en cas de faux négatifs : l’arrivée récente du système israélien MAGENTIQ-COLO™, approuvé par la FDA montre le foisonnement de technologies dont on ne connait pas bien les tenants et aboutissants.

Afin de prévenir les biais et d’optimiser la performance des algorithmes conçus par diverses sociétés, il faut exposer ceux-ci aux pathologies diverses inhérentes à une population de patients diversifiée. Il est indispensable de recueillir de manière prospective auprès d’établissements multiples, de grandes quantités de don nées pour produire un dataset plus varié, hétérogène et tenant compte de la préparation colique qui expose souvent à de faux négatifs. 

En conclusion, il reste encore des défis à relever, avant de généraliser les modèles d’IA et répondre aux préoccupations liées à la transparence, à la confidentialité et à la sécurité des données utilisées pour construire les algorithmes de la DAOe. L’amélioration significative du TDA observée dans les essais randomisés contraste particulièrement avec les résultats non significatifs trouvés dans les études du monde réel.

Des recherches supplémentaires sont nécessaires pour valider les avantages à long terme et la rentabilité de la coloscopie assistée par IA dans divers contextes cliniques. Même si l’intégration de l’IA peut améliorer les indicateurs de qualité et l’audit des coloscopies, elle posera des défis financiers aux prestataires de soins de santé afin d’améliorer les résultats pour les patients et l’efficacité des programmes de dépistage du CCR.