Cervital® : un modèle d'intelligence artificielle multimodal prometteur dans la détection des précancers et cancers du col de l’utérus HPV-induits

Le dépistage HPV, sensible mais peu spécifique, génère une augmentation des consultations et augmente le nombre de colposcopies jusqu’à 70 %, dont plus de 40% s’avèrent normales(3). On observe des surdiagnostics et surtraitements, en particulier par conisations‐hystérectomies, avec des conséquences délétères et sur les coûts. Sans compter que ces situations génèrent un taux élevé d’inquiétude et de stress chez les patientes(6,7). Par ailleurs, la colposcopie, méthode indispensable pour faire le diagnostic et gérer la prise en charge, est grevée d’un taux élevé de variabilité et demeure dépendante des opérateurs(8‐12), et ce, malgré les efforts apportés à leur formation.   Un nouvel outil prometteur piloté par l’IA   Fin janvier 2025 est parue dans la revue Computers in Biology and Medicine(13), une étude qui présente un nouveau modèle s’appuyant sur l’intelligence artificielle (IA) qui devrait contribuer à lutter contre ces biais. Baptisé Cervital®, il permet d’optimiser la prédiction, l’évaluation et la reconnaissance instantanée des cols de l’utérus normaux et des précancers du col utérin HPV induits. Cervital® peut être exploité sous trois formes : – Cervital® données historiques ; – Cervital® imagerie colposcopique ; – Cervital®combo, associant les deux. Cervital® énonce une prédiction fiable dans chaque catégorie, en moins de 30 secondes. Dans chacune des catégories, la prédiction des CIN2+ est largement supérieure à l’évaluation de l’expert, avec une prédiction optimale à 64% pour Cervital® données historiques, 92% pour Cervital® imagerie colposcopique et à 94,5% pour Cervital® Combo. La prédiction diminue pour les cas où la lésion n’est pas visible dans l’endocol (TZ3), soit 7% de l’ensemble des cas analysés, mais elle demeure largement supérieure à l’évaluation du praticien. Si un seuil de décision de 10 % est appliqué à la probabilité prédite par ce modèle pour recommander une conisation, jusqu’à 35 % des conisations pourraient être évitées sans manquer aucun cas de CIN2+ réel. L’outil a été entraîné puis testé et évalué à partir d’une base de données homogène de 30 000 patientes avec données historiques (dépistage cytologique et ou HPV), données histologiques de biopsies ou de conisations et données de l’imagerie, disponibles pour chaque consultation depuis plus de 20 ans. L’analyse de performance du modèle a pris en compte une sous population de 6 400 patientes ayant eu une conisation ou une biopsie conoïde, et dont le diagnostic final fiable peut être considéré comme un « gold standard » peu contestable pour les CIN2+ (lésions de haut grade à risque d’évoluer vers un cancer).   Une base de données optimale   La base de données exploitée est optimale : – homogénéité des données : chaque cas est formaté à l’identique pour chaque patiente ; – taille de l’échantillon : le nombre de cas est conséquent (30 000 consultations de colposcopie) ; – mesures de performances calculées dans une sous‐population de 6 400 conisations ou biopsies conoïdes, avec un diagnostic final qui peut être considéré comme « gold standard » fiable ; – prédiction de l’expert optimale, car fondée sur les connaissances d’un praticien expérimenté. Si le modèle fait actuellement mieux que l’expert avec une différence de +10 points pour la prédiction des précancers (CIN 2+), on peut anticiper qu’entre les mains d’un praticien moins expérimenté, cette différence sera plus importante. En perspective d’une validation externe, multicentrique et prospective, ces résultats très encourageants conduisent à penser que cette solution digitale serait d’une grande utilité et permettrait de participer efficacement à la prévention du cancer du col utérin, d’optimiser la pratique des acteurs de santé impliqués dans le dépitage précoce, la colposcopie, le suivi et la prise en charge des lésions génitales à HPV et des précancers du col utérin. En regard des méthodes complexes, variables et peu reproductibles, cet outil, en devenant accessible à tous, offre en temps réel, un potentiel de rationaliser et de transformer les pratiques médicales dans ce domaine pour : – participer à l’évaluation fiable du risque des précancers et cancers du col utérin ; – optimiser la détection des précancers ; – assister le praticien dans le diagnostic et la prise de décision ; – apporter au médecin un gain de temps au bénéfice du temps consacré à chaque patiente ; – gérer les incertitudes et les erreurs d’évaluation ; – réduire le nombre de conisations inutiles ; – faciliter le parcours de soins et réduire les inquiétudes des patientes ; – contribuer à des économies de santé.