L'IA prédit les récidives du glioblastome après chirurgie
Une équipe de chercheurs de l'Université de Californie à San Francisco et de l'Université du Michigan a mis au point un modèle d'intelligence artificielle capable de prédire avec une grande précision les zones où le glioblastome est susceptible de récidiver après sa première ablation chirurgicale. Les résultats de cette étude, publiés en 2026 dans la revue Science Advances et financés par les National Institutes of Health, ouvrent la voie à des interventions préventives ciblées contre cette tumeur cérébrale maligne, qui représente le cancer du cerveau le plus fréquent et le plus mortel chez l'adulte, avec une survie médiane d'environ dix-sept mois. Pour anticiper la récidive, principalement localisée au niveau ou à proximité de la cavité opératoire, les chercheurs ont analysé des échantillons de tissus frais prélevés pendant les interventions. Ils ont utilisé une technique appelée histologie par Raman stimulé, qui génère des images microscopiques de la tissue en moins d'une minute sans nécessiter de marquage chimique contrairement aux protocoles pathologiques classiques. Ces images ont ensuite été traitées par un système d'IA nommé FastGlioma, qui attribue un score d'infiltration tumorale à chaque zone analysée. Lorsqu'il est combiné à des données cliniques, d'imagerie et moléculaires au sein de modèles d'apprentissage automatique, ce score devient le facteur prédictif le plus fiable, surpassant même les caractéristiques moléculaires traditionnelles. Le modèle arrive à localiser les futures récidives à moins de dix millimètres du site prélevé. Cet outil pourrait offrir aux neurochirurgiens des indications précieuses en temps réel durant l'opération, permettant d'étendre les marges de résection lorsque la sécurité du patient le permet. Pour les zones anatomiques complexes, les médecins pourraient administrer des traitements ciblés, tels qu'une radiothérapie focale à forte dose ou l'injection directe de médicaments par cathéters, avant que la nouvelle tumeur ne devienne détectable à l'imagerie médicale. L'objectif principal est d'écarter le délai avant la première progression tumorale, initialement de cinq mois et demi en moyenne dans la cohorte étudiée, afin d'améliorer la survie globale des patients. Cette approche hybride, alliant imagerie tissulaire rapide et analyse algorithmique, marque une étape significative vers une neurochirurgie plus proactive et personnalisée.
