ESMO GI 2026 : Biomarqueurs d'IA et valeur clinique en oncologie
Lors de l'ESMO GI 2026, des experts ont présenté le cadre EBAI, qui classe les biomarqueurs basés sur l'IA en trois niveaux de validation. Les données cliniques ont montré que l'IA détecte l'instabilité microsatellitaire avec une sensibilité de 96 à 98 % et que la curiethérapie guidée par IRM améliore la survie sans récidive.
Lors du congrès ESMO sur les cancers gastro-intestinaux 2026, des experts ont souligné comment l'intelligence artificielle (IA) dépasse la reconnaissance d'images pour apporter une valeur clinique en chirurgie, en pathologie et en intervention guidée par l'imagerie. Ils ont également présenté les exigences de base de l'ESMO pour les biomarqueurs basés sur l'IA en oncologie (EBAI), un cadre qui classe ces biomarqueurs en trois niveaux et définit pour chacun des exigences minimales de validation.
Dans le cancer colorectal, l'algorithme MSIntuit a détecté l'instabilité microsatellitaire directement à partir de lames standard colorées à l'hématoxyline et à l'éosine (H&E) avec une sensibilité de 96 à 98 % (Nat Commun. 2023;14:6695), tandis que des modèles d'apprentissage profond ont été développés pour prédire les métastases ganglionnaires à partir de l'imagerie TDM pré-thérapeutique dans le cancer gastrique (eClinicalMedicine. 2024;75:102805). Selon les experts, le domaine entre dans une nouvelle phase où la valeur clinique s'avère aussi importante que la performance technique.
En chirurgie, les données de preuve de concept utilisant la plateforme d'IA EUREKA X ont quantifié la préservation du tissu conjonctif lâche lors de la chirurgie robotique du cancer du rectum. Dans une étude cas-témoins appariée portant sur 44 patients, les mesures de préservation tissulaire dérivées de l'IA étaient associées à un dysfonctionnement urinaire postopératoire ; lorsqu'elles étaient combinées à l'âge du patient, le modèle atteignait une aire sous la courbe (AUC) d'environ 0,81. Les chercheurs ont suggéré que les futurs systèmes d'IA pourraient fournir un retour d'information en temps réel pendant la chirurgie, notant que « l'avenir n'est pas l'IA contre les chirurgiens. Ce sont des chirurgiens augmentés par l'IA ».
En intervention guidée par l'imagerie, la curiethérapie interstitielle guidée par IRM élargit les options thérapeutiques pour les tumeurs hépatiques non éligibles à l'ablation thermique, en permettant la visualisation de lésions souvent invisibles au scanner. Dans l'étude prospective MR BRIGHT (Z Gastroenterol 2025; 63(01): e45), la curiethérapie guidée par IRM a obtenu une survie sans récidive locale significativement plus élevée que le traitement guidé par scanner (95,1 % contre 79,9 % ; p=0,027), tout en réduisant considérablement l'exposition à de faibles doses de rayonnement du tissu hépatique sain (15 % contre 43 %). Les algorithmes d'apprentissage automatique pourraient accélérer la reconstruction des images IRM et réduire les artefacts, rendant le guidage par IRM en temps réel de plus en plus pratique.
C'est peut-être en pathologie que la transition de l'IA de la recherche vers la pratique courante est la plus évidente. Les experts ont décrit l'IA comme le produit de quatre évolutions convergentes : l'expansion du paysage des biomarqueurs, l'augmentation de la charge de travail en pathologie, l'adoption généralisée de la pathologie numérique et une variabilité diagnostique persistante. Le cadre EBAI décrit comment les algorithmes progressent, depuis la standardisation des biomarqueurs existants jusqu'à la prédiction directe d'altérations moléculaires à partir de lames H&E, pour aboutir à la découverte de biomarqueurs entièrement nouveaux, y compris des modèles émergents capables de reconnaître quand ils ne devraient pas faire de prédiction (Ann Oncol. 2026;37(3):414–430).