2026-04-17
Un nouvel outil d’IA au service d’une détection optimale du cancer par imagerie
Gustave Roussy, dans le cadre d’un consortium réunissant Guerbet, Intrasense et le CHU d’Angers, a participé au développement d’un outil d’intelligence artificielle capable d’identifier automatiquement, à partir d’un scanner thoraco-abdomino-pelvien, les lésions cancéreuses présentes dans cette zone, et ceci en trois dimensions. Baptisé DuOnco Unity, il permettra un suivi plus efficace de la maladie et des traitements prescrits aux patients.
Actuellement, l’évaluation de l’efficacité des traitements prescrits aux patients atteints de cancer repose sur les critères RECIST. Ce référentiel international standardisé est fondé sur la mesure d’un nombre limité de lésions dites cibles (jusqu’à cinq au total, avec un maximum de deux par organe). Ces lésions sont sélectionnées pour être représentatives de la maladie du patient, et la réponse thérapeutique est déterminée en comparant l’évolution de leurs dimensions au cours du traitement.
Cette approche a cependant ses limites. Certains patients présentent un très grand nombre de lésions, parfois plusieurs centaines. Celles-ci peuvent être réparties sur différents organes, ce qui rend difficile de représenter fidèlement le cancer à partir d’un nombre limité de cibles.
À l’heure de la médecine de précision, où une caractérisation toujours plus fine et exhaustive des tumeurs est nécessaire pour adapter au mieux les stratégies thérapeutiques, l’évaluation globale de la charge tumorale constitue un enjeu central. Celle-ci correspond à l’ensemble des lésions cancéreuses identifiables sur les examens d’imagerie de référence, en particulier le scanner thoraco-abdomino-pelvien, qui explore les principaux sites métastatiques des cancers solides. Ainsi, la charge tumorale vise à refléter le plus fidèlement possible l’étendue totale de la maladie dans les zones analysées.
