Stanislas Roche – CHU François Mitterrand, Dijon

La séance a débuté par la présentation de G. Ferretti sur la place actuelle et future du « dépistage du cancer du poumon », sujet central quand on connaît les conséquences terribles de ce fléau.

Quelques chiffres clefs du cancer broncho-pulmonaire pour cerner la problématique ;

• L’incidence est de 49 500 pour 31 000 décès (2017)
• Entre 1990 et 2018, le nombre de nouveaux cas a augmenté de 65% chez l’homme et de 93% chez la femme
• 29% des adultes > 15 ans sont fumeurs et 90% des cancers sont liés au tabac
• La survie à 5 ans tous stades confondus est de 15% alors qu’elle dépasse 70% pour les stade I et 90% pour les stades IA

Le message à retenir de tous ces chiffres est que le cancer bronchique est un bon candidat au dépistage afin de détecter les individus éligibles à un traitement chirurgical.

La radiographie thoracique n’ayant pas prouvé son efficacité pour la survie des patients, c’est le scanner thoracique faible dose qui tient ici toute sa place.

En s’appuyant sur des études récentes et notamment l’étude NELSON (étude européenne), le groupe d’experts réunis en décembre 2018 préconise chez une population bien précise (Fig. 1A) un rythme de surveillance encadré (Fig. 1B). Dans l’attente d’une validation par les autorités compétentes, plusieurs questions restent en suspens ; le coût (mais quid des traitements plus tardifs ?), le taux de participation de la population concernée et la place de l’intelligence artificielle.

Cela permet une transition toute trouvée sur la présentation qui s’en suivie commentée par G. Chassagnon ayant ce titre un brin provocateur « Intelligence artificielle : plus performante que l’humaine ? ».

Cela fait une cinquantaine d’années que le concept d’intelligence artificielle est né mais son essor est récent, notamment par le biais du « Deep Learning » (forme de réseau neuronal où les neurones sont organisés en couches multiples) et plus particulièrement du CNN (forme de Deep learning).

Outre le fait d’avoir une reproductibilité parfaite, l’autre avantage du Deep Learning est de permettre de réaliser de nouvelles tâches trop chronophages pour être réalisées jusqu’à maintenant (dépistage, par exemple).

Attention toutefois à ne pas tomber dans la facilité : des variations imperceptibles pour l’humain (par exemple une minime modification du contraste) peuvent mettre en défaut ces algorithmes. C’est bien là que l’on retrouve le concept du « radiologue augmenté » qui mettra à profit l’intelligence artificielle pour des tâches spécialisées dans des contextes particuliers (« Narrow IA ») et notamment pour la détection (ex. : les nodules pulmonaires) et la segmentation (ex. : pneumopathies interstitielles).

La session s’est terminée par une présentation très pointue et de l’ordre plutôt de la recherche de I. Benlala, s’intéressant à la place de l’IRM (morphologique, de contraste et fonctionnelle) dans les affections pulmonaires. Ces techniques, prometteuses, permettraient encore d’avancer dans la compréhension de cette surspécialité radiologique fascinante qu’est la radiologie thoracique.