Dossier

Intelligence artificielle et pathologie hépatique en 2025

Mis en ligne le

30 sept. 2025

Auteur

Y. Bellahsen-Harrar

Les cancers hépatiques, en constante augmentation, représentent la 3^e cause de mortalité par cancer dans le monde et touchent particulièrement la population active. Leur prise en charge est limitée par une efficacité thérapeutique modeste à un stade avancé, et une complexité diagnostique liée à l’hétérogénéité tumorale et au manque d’expertise spécialisée disponible. Dans ce contexte, l’intelligence artificielle (IA) appliquée à l’analyse d’images histologiques est un outil puissant pour améliorer le diagnostic et mieux comprendre l’hétérogénéité intratumorale. Les modèles de deep learning, basés sur les réseaux de neurones convolutifs, permettent d’extraire sans annotation humaine des patterns complexes à partir des lames numérisées, notamment des éléments morphologiques induits par des altérations moléculaires, qui sont invisibles pour l’œil humain. Dans le carcinome hépatocellulaire, l’IA a ainsi permis de développer des modèles prédictifs de survie et de réponse aux immunothérapies, basés sur l’histologie. Pour les tumeurs rares, telles que les cholangiocarcinomes intrahépatiques et les tumeurs mixtes, elle améliore la classification histologique en la corrélant aux données moléculaires et au pronostic.
Ces résultats illustrent le potentiel de l’IA comme outil d’aide au diagnostic, de stratification pronostique et de compréhension des mécanismes tumoraux. Leur intégration en routine se heurte néanmoins à des difficultés, notamment du fait que ce secteur soit délaissé par les industriels. Le développement d’algorithmes à l’échelle locale, par les pathologistes et pour les pathologistes directement concernés, pourrait être une solution pour permettre aux patients atteints de ces cancers de bénéficier de ces technologies.

Les cancers hépatiques primitifs représentent la 6e cause de cancer en incidence et la 3e cause de mortalité par cancer dans le monde [1], avec une prévision d’augmentation de 55 % de leur incidence d’ici à 2040 [2]. Les options thérapeutiques actuellement disponibles sont d’une efficacité restreinte. À cela s’ajoutent la difficulté diagnostique de ces tumeurs, qui ont des classifications complexes, et un nombre limité de pathologistes spécialisés dans ce domaine. Dans ce contexte, l’analyse d’images assistée par ordinateur (computer vision) peut permettre d’améliorer la prise en charge anatomopathologique…