Un flux de travail d’IA prédit le risque de cancer colorectal dans la rectocolite hémorragique avec une précision de 99 %
Une étude publiée le 17 février 2026 a validé un flux de travail d’IA capable de prédire le risque de cancer colorectal dans la rectocolite hémorragique avec une précision de 99 % à partir de plus de 55 000 dossiers de patients. Le modèle a identifié les patients à faible risque et à risque plus élevé à partir des notes cliniques, des comptes rendus de coloscopie et des résultats anatomopathologiques.
Un nouveau flux de travail d’IA utilisant de grands modèles de langage peut prédire avec une précision de 99 % quels patients atteints de rectocolite hémorragique resteront indemnes de cancer colorectal pendant au moins deux ans. Une étude publiée le 17 février 2026 valide un nouveau flux de travail d’IA capable de prédire le risque de cancer colorectal avec une précision de 99 % chez les patients atteints de rectocolite hémorragique.
Les patients atteints de cette maladie inflammatoire chronique de l’intestin ont jusqu’à 4 fois plus de risque de développer un cancer colorectal que la population générale, ce qui fait d’une stratification précise du risque en cas de dysplasie de bas grade une nécessité clinique majeure. Cette étude princeps a utilisé de grands modèles de langage pour analyser plus de 55 000 dossiers de patients du système de santé du Department of Veterans Affairs, soit le plus vaste ensemble de données de ce type.
Le flux de travail automatisé passe efficacement au crible les notes cliniques narratives, les comptes rendus de coloscopie et les résultats anatomopathologiques afin d’identifier des facteurs de risque subtils tels que la taille des lésions et la sévéité de l’inflammation. Le système repère des caractéristiques à haut risque dans les notes cliniques narratives qui sont souvent négligées, ce qui pourrait permettre des calendriers de surveillance plus personnalisés et moins invasifs.
En regroupant avec précision les patients selon leur niveau de risque, l’IA a identifié environ la moitié de la cohorte comme étant à faible risque, ce qui suggère qu’ils pourraient potentiellement espacer leurs intervalles de surveillance en toute sécurité. À l’inverse, le modèle a signalé les lésions visibles comme présentant un risque plus élevé que celui habituellement estimé par les cliniciens, plaidant pour un suivi plus rapide ou une chirurgie préventive dans ces cas.
L’intégration de cette technologie dans les pratiques de gastroentérologie pourrait standardiser la prise en charge de la dysplasie, qui est actuellement sujette à une forte variabilité interobservateur among pathologists. La nature automatisée de l’outil permet également de faire gagner un temps considérable aux médecins en fournissant un score de risque « en un clic » dans le dossier médical électronique.
Cependant, la dépendance à des notes cliniques numériques de haute qualité pourrait limiter l’efficacité de l’outil dans les systèmes de santé disposant de dossiers moins structurés ou de styles de compte rendu hétérogènes. Une validation prospective supplémentaire dans des populations non vétéranes et en milieu communautaire reste nécessaire pour confirmer ces taux élevés de précision dans des groupes démographiques plus larges. L’équipe de recherche cherche actuellement à adapter le modèle à d’autres maladies inflammatoires afin d’améliorer le suivi à long terme.