Etude de l’apprentissage profond dans la classification de l’adénocarcinome pancréatique

Discipline

Anatomie et cytologie pathologiques

Classification

Médecine et santé

Mots-clés

Adénocarcinome,

Pancréas - Cancer,

Intelligence artificielle en médecine,

Apprentissage profond

Le stade de différenciation, corrélant au pronostic, est un facteur important dans le choix du traitement en oncologie, notamment pour les adénocarcinomes canalaires pancréatiques. La classification actuelle de l’OMS les divise en bien, moyennement et peu différencié, avec une certaine variabilité inter-centres. Le moyennement différencié est le plus fréquent, et apporte peu d’information pronostique. Une nouvelle classification (en groupe A et groupe B), avec un seuil de 40% de formation tumorale non glandulaire, est corrélé à une meilleure évaluation pronostique, mais présente une reproductibilité inter-observateur limitée, dû à ce seuil. L’apprentissage profond apparaît comme un outil intéressant. Un réseau de neurones convolutifs de neuropathologie (CNNNP), sans connaissance de parenchyme pancréatique, a été capable de différencier la tumeur, confirmant son utilité potentielle avec un apprentissage spécifique. Cependant, l’apprentissage non supervisé n’a pas été capable de grouper correctement les patients. Un CNN spécialisé en pathologie pancréatique (CNNPAN), avec apprentissage supervisé, a également montré des résultats prometteurs après entraînement approprié, classant correctement 8 à 9 lames sur 10 avec la classification binaire. Six des dix lames étaient proches du seuil du pathologiste, avec un écart de 10%. Un apprentissage complémentaire est nécessaire, notamment pour différencier le sous-type adénosquameux et intégrer l’hétérogénéité tumorale.