Le Dr Sudhir Perincheri, professeur adjoint de pathologie et directeur de la pathologie numérique à Yale Medicine, a dirigé une étude de Paige Prostate sur les biopsies de la prostate obtenues, traitées et diagnostiquées de manière indépendante à Yale Medicine. Lors de Pathology Visions 2022, il a fait une présentation fascinante sur les détails de cette étude, ainsi que sur la façon dont l’introduction des outils d’intelligence artificielle (IA) dans la clinique pourrait avoir un impact sur la pratique de la pathologie.
Le Dr Perincheri a commencé la session par une plongée dans la conception de l’étude. Un total de 1 876 biopsies de la prostate provenant de Yale ont été incluses. Chaque carotte a été découpée en 5 niveaux, qui ont déterminé les procédures de coloration ; les niveaux 1, 3 et 5 ont été colorés à l’hématoxyline et à l’éosine (H&E), tandis que les niveaux 2 et 4 n’ont pas été colorés. Chaque cas a été examiné par un résident ou un stagiaire et un pathologiste génito-urinaire spécialisé afin de parvenir à un diagnostic final, qui servira de vérité de base. Les catégories de diagnostic représentées dans l’étude comprenaient le carcinome (typiquement des variantes d’adénocarcinome), la néoplasie intraépithéliale prostatique de haut grade (HG-PIN) + petites glandes atypiques adjacentes (PIN-ATYP), la petite prolifération acineuse atypique (ASAP)/atypie glandulaire focale (FGA), la prolifération intraductale atypique, ou le bénin.
Le niveau 3 de chaque carotte biopsique a été scanné, dépouillé de ses identifiants, puis revu avec Paige Prostate*. L’IA a été appliquée sans réglage ou ajustement spécifique au site, ce qui a constitué un élément de différenciation essentiel entre cette étude et d’autres que l’équipe de Yale menait à l’époque. Il s’agissait d’un élément essentiel pour évaluer le degré de généralisation de l’algorithme et aider l’équipe à tirer des conclusions sur la manière dont il pourrait être mis en œuvre dans la pratique clinique. Paige Prostate* a lu chaque lame et a identifié les carottes comme « suspectes » (pour un carcinome, PIN-ATYP ou ASAP) ou « non suspectes » (ne contiennent pas ces légions). La sortie de l’IA a été comparée aux diagnostics rendus cliniquement pour vérifier leur concordance, et tous les cas discordants ont ensuite été soumis à une analyse plus approfondie.
L’objectif de l’étude, a expliqué le Dr Perincheri, était de voir dans quelle mesure les technologies de diagnostic assisté par ordinateur pouvaient être utiles dans un flux de travail clinique complexe. « Lorsque vous avez, en moyenne, 17 blocs d’un patient, divisés en plusieurs niveaux, ce qui équivaut à environ 51 diapositives, et que nous recevons chaque jour environ 6 à 8 de ces biopsies, nous avons à faire à 400 diapositives de biopsies de la prostate uniquement. Le problème auquel sont confrontés la plupart des cabinets de pathologie chirurgicale est donc qu’il y a beaucoup de travail à faire….. Au moment où nous avons réalisé cette étude, nous voulions prendre l’algorithme, l’appliquer à un ensemble de données indépendant, examiner ses paramètres de performance et tirer des conclusions sur la façon dont de tels outils pourraient être mis en œuvre dans la pratique. »
Le Dr Perincheri a ensuite présenté les résultats de l’étude et ses principaux enseignements. Tout d’abord, il a noté que Paige Prostate* a obtenu de bons résultats, l’IA fournissant un diagnostic concordant pour la grande majorité (1 796) des carottes. Pour les carottes discordantes « non suspectes », dans lesquelles Paige Prostate* a qualifié la carotte de non suspecte mais les pathologistes diagnostiqueurs l’ont qualifiée de suspecte, a-t-il expliqué, il y a quelques qualités intéressantes à prendre en compte :
- Pour 4 des 5 carottes où un foyer d’adénocarcinome a été manqué, d’autres carottes biopsies du même patient présentant un carcinome ont été signalées par Paige Prostate*.
- 2 des 5 cas présentaient des caractéristiques de glandes spumeuses, mais il y avait d’autres exemples où l’algorithme réussissait à signaler cette variante.
- La plupart des foyers manqués étaient petits et, dans certains cas, mieux représentés sur d’autres niveaux, qui n’ont pas été scannés et remis à Paige.
- 2 des noyaux ont été manqués lors des lectures manuelles également.
Il a noté qu’il est possible que si chaque niveau des carottes avait été rendu disponible, Paige Prostate* aurait réussi à signaler les carottes manquées.
Il a ensuite analysé les carottes discordantes « suspectes », où Paige Prostate* a identifié une carotte comme suspecte, alors que les pathologistes l’avaient diagnostiquée comme non suspecte. Après un nouvel examen de ces carottes par les pathologistes de Yale, grâce à la fonction de réticulation de Paige Prostate* qui met en évidence le centre d’intérêt, la classification a été modifiée de telle sorte que la classification du pathologiste et le résultat de Paige AI étaient en fait concordants dans 6 des carottes.
Au final, l’étude a donc démontré que Paige Prostate* :
- VPP = 97,9 %.
- VAN = 99,2
- Sensibilité = 99,7
- Spécificité = 99,3 %.
Fort de l’expérience directe de l’essai des outils de pathologie de l’IA, ainsi que des résultats prometteurs de l’étude, le Dr Perincheri a présenté quelques conclusions sur la façon dont l’IA comme Paige Prostate* pourrait transformer la pratique de la pathologie. Tout d’abord, il a expliqué que l’IA pouvait être utilisée comme un outil de présélection. Dans le cas de cette étude, seul un tiers environ des biopsies aurait nécessité un examen manuel, ce qui représente un gain de temps considérable. D’un autre côté, a-t-il ajouté, l’IA pourrait offrir une deuxième lecture, comme Paige Prostate* a réussi à mettre en évidence même de très petits foyers de glandes atypiques, ce qui pourrait renforcer la confiance des pathologistes en matière de diagnostic et entraîner un gain de temps. « Étant donné le facteur du volume élevé de cas, et le facteur de l’expérience et de l’expertise variant d’un pathologiste à l’autre, ainsi que la fatigue, et la pression sur le temps – tout cela a un impact sur la performance, la précision, et ainsi de suite. Nous pensons donc que ce que les données nous montrent, c’est que [with these tools] offre un potentiel d’économies à la fois en termes de charge de travail, de précision, d’exactitude et de délais d’exécution », a-t-il déclaré. Au cours du processus de diagnostic, il a également noté que l’IA pourrait automatiser divers aspects des rapports, tels que le classement de Gleason ou l’identification de l’invasion périneurale, ce qui peut permettre de réduire la subjectivité et d’accroître la précision.
Le Dr Perincheri a rappelé à l’auditoire que les étapes d’assurance de la qualité seront essentielles pour que l’IA offre des performances optimales et que les pathologistes tirent le meilleur parti de ces outils. Il a également souligné que la nature de la pratique mettant en œuvre ces outils – qu’il s’agisse d’un établissement universitaire ou d’une pratique privée – ainsi que le nombre de pathologistes employés auraient une incidence sur l’utilité de ces différents cas d’utilisation. Par exemple, il a noté que les mesures peuvent être plus fortes dans le cas d’une petite équipe de pathologistes et donc de moins d’yeux sur chaque cas, car ces équipes pourraient grandement bénéficier du niveau supplémentaire d’examen que l’IA peut offrir. Il a également souligné que la portabilité des ensembles de données, comme l’a montré Paige Prostate*, serait essentielle pour exploiter le potentiel de l’IA. Pourtant, il a finalement conclu que
« Je pense que tout le monde est d’accord pour dire que ces outils de diagnostic assistés par ordinateur vont être indispensables dans un flux de travail clinique. »
Lisez l’étude et l’analyse complètes de la prostate Paige de Yale Medicine ici.
*A compter du 1er mars 2022, Paige Prostate a été mis à jour pour devenir Paige Prostate Suite, sous laquelle Paige Prostate Detect et Paige Prostate Grade and Quantify sont devenus deux produits différents. Les deux logiciels Paige Prostate Detect et Paige Prostate Grade and Quantify ont été utilisés dans cette étude.
