Une équipe de chercheurs de la Mayo Clinic, dirigée par Madhu Babu Sikha, a mis au point un cadre d'intelligence artificielle capable d'identifier avec précision les sites de métastases du cancer du sein à partir des dossiers cliniques non structurés. Cette méthode, publiée dans le Journal of Biomedical Informatics, répond à un défi majeur de l'oncologie : localiser où le cancer s'est propagé lorsque les informations sont dispersées entre des comptes rendus radiologiques, anatomopathologiques et notes d'oncologues sur des centaines de pages. Jusqu'à présent, cette tâche nécessitait une revue manuelle fastidieuse par des experts formés, limitant l'échelle des études sur la progression de la maladie et l'évaluation des traitements. Le nouveau système d'IA utilise des modèles de langage avancés pour lire et interpréter directement le même type de documents que les revues humaines. Il intègre le contexte, distingue les degrés de certitude médicale et relie les indices entre différents rapports rédigés à des moments variés. Pour éviter les biais institutionnels, l'équipe a testé son approche au-delà de la Mayo Clinic en la validant sur des données de Stanford Medicine. Les résultats ont confirmé que le modèle capte véritablement des motifs cliniques pertinents et non de simples habitudes de notation locales. Par ailleurs, l'étude démontre que les architectures spécialisées surpassent les grands modèles linguistiques généralistes, remettant en question l'idée selon laquelle la taille du modèle garantit systématiquement une meilleure performance en santé. La flexibilité du système a également été évaluée sur des cas de cancer de la prostate. Bien qu'initialement conçu pour le cancer du sein, le cadre s'est adapté avec succès, suggérant qu'il apprend des structures narratives propres aux comptes rendus oncologiques plutôt que du vocabulaire spécifique à une seule pathologie. Des validations supplémentaires restent toutefois nécessaires avant une application clinique plus large. Au-delà de la technologie, l'impact principal réside dans la réduction de la charge de travail manuel. Les systèmes de santé génèrent quotidiennement des volumes massifs de texte clinique dont une partie importante reste inexploitée par manque de ressources. En automatisant l'extraction des sites de récidive, l'IA permet aux chercheurs de consacrer plus de temps à l'analyse des déterminants des résultats patients et aux registres cancéreux. Les médecins conservent bien sûr leur rôle décisionnel, tandis que l'outil assiste efficacement dans le tri, l'organisation et la synthèse des informations. Les auteurs soulignent désormais la nécessité de passer des études pilotes à des solutions éprouvées, robustes et validées sur des populations diversifiées. Une collaboration étroite entre ingénieurs en intelligence artificielle et experts médicaux sera essentielle pour garantir la fiabilité, l'équité et l'adoption de ces systèmes dans la pratique clinique quotidienne. Cette avancée ouvre la voie à une extraction à grande échelle de connaissances cachées dans les dossiers électroniques, susceptible d'accélérer la recherche oncologique et d'améliorer à terme la prise en charge des patients.