L’endoscopie assistée par IA permet de détecter avec précision des cancers digestifs hauts

Protocole de l’étude

• Des ensembles de données d’apprentissage, de validation et de vérification intrinsèque (1 036 496 images d’endoscopie issues de 84 424 participants), issus de 6 hôpitaux en Chine, ont été utilisés.
• Financement : diverses sources extérieures à l’industrie pharmaceutique.

Principaux résultats

• L’IA offrait une grande précision diagnostique :
  • ensemble de données de validation interne : 0,955 (IC à 95 % : 0,952–0,957) ;
  • ensemble prospectif : 0,927 (IC à 95 % : 0,925–0,929) ;
  • cinq ensembles de validation externes : intervalle de 0,915 (IC à 95 % : 0,913–0,917) à 0,977 (IC à 95 % : 0,977–0,978).
• L’IA disposait d’une sensibilité similaire à celle des endoscopistes experts (0,942 contre 0,945 ; P = 0,692), et supérieure à celle des endoscopistes qualifiés (0,858 ; P < 0,0001) et en formation (0,722 ; P < 0,0001).
• La valeur prédictive positive de l’IA (0,814) était inférieure à celle des endoscopistes experts (0,932 ; P < 0,0001) et qualifiés (0,974 ; P < 0,0001), mais similaire à celle des endoscopistes en formation (0,824 ; P = 0,580).
• Valeur prédictive négative :
  • IA : 0,978 (IC à 95 % : 0,971–0,984) ;
  • endoscopistes experts : 0,980 (IC à 95 % : 0,974–0,985) ;
  • endoscopistes qualifiés : 0,951 (IC à 95 % : 0,942–0,959) ;
  • endoscopistes en formation : 0,904 (IC à 95 % : 0,893–0,916). 
• L’IA a permis d’obtenir une sensibilité équivalente à celle des experts lorsqu’elle était utilisée en complément des endoscopistes qualifiés (0,978 ; P < 0,0001) et en formation (0,964 ; P < 0,0001).

Limites

• L’étude utilisait uniquement des images d’endoscopie en lumière blanche.
• L’apprentissage/la validation ont été réalisés de manière rétrospective.