Parce que leur précision permet de personnaliser les traitements, de prédire les récidives et donc d’améliorer les résultats des patients atteints de tumeurs intracrâniennes, les nouvelles technologies d’imagerie représentent une avancée majeure pour la neuro-oncologie.

Il y a quelques années seulement, la moitié de la population mondiale n’avait pas accès à l’imagerie médicale. Aujourd’hui, le nombre d’images, en 2D comme en 3D, croît de façon exponentielle. Les médecins spécialistes de neuro-oncologie se trouvent soumis à une injonction paradoxale : confrontés à la nécessité de détecter de façon précoce les pathologies, d’améliorer les diagnostics et d’évaluer les thérapeutiques, ils doivent en même temps pallier le manque généralisé de manipulateurs radios et veiller à contenir les dépenses de santé. L’IA représente pour eux un moyen de relever ces défis.

L’année 2021 fut une année charnière pour la lutte contre les tumeurs cérébrales, dont l’OMS a alors présenté une nouvelle classification. Elle a mis l’accent sur les marqueurs moléculaires, en particulier la mutation IDH, et a rendu obsolète la précédente classification de 2016. Cette nouvelle nomenclature nécessite une détection plus fine des modifications histopathologiques et des biomarqueurs d’imagerie. Car elle tient compte, par exemple, du fait que même les tumeurs ne prenant pas de contraste peuvent se révéler agressives. Cela souligne l’importance d’une approche multimodale pour le diagnostic et la prise en charge des patients. Les séquences classiques de l’IRM, si elles demeurent importantes, ne suffisent plus à aborder ces nouveaux enjeux de la neuro-oncologie. 

L’essor de la radiomique

L’IRM avancée, incluant des techniques telles que la perfusion, la spectroscopie et l’imagerie par transfert de saturation (CEST), offre des capacités supplémentaires indispensables. Elle permet une meilleure caractérisation des tumeurs en détectant des détails microscopiques et des anomalies subtiles qui échappent à l’IRM conventionnelle. Par exemple, la spectroscopie par résonance magnétique analyse les métabolites chimiques dans les tissus cérébraux, aidant à différencier les types de tumeurs et à déterminer leur grade. La perfusion IRM mesure le flux sanguin à travers les tissus, fournissant des informations essentielles sur la vascularisation des tumeurs.

Mais c’est du côté de l’intelligence artificielle et de la radiomique que sont attendues les plus grandes avancées. La radiomique exploite des technologies d’analyse d’images de pointe afin d’extraire des informations à la fois détaillées et quantitatives. Une fois obtenues, les données sont analysées à l’aide de méthodes statistiques et de techniques d’apprentissage automatique. La radiomique peut ainsi fournir des informations détaillées sur la texture, les limites et l’hétérogénéité des tumeurs. Ces précisions peuvent être intégrées aux données cliniques et génomiques pour personnaliser les traitements, planifier des opérations, prédire des récidives et donc améliorer les résultats pour les patients.

Gérer et interpréter les données

L’intégration de l’IA en neuro-oncologie pose cependant des défis, notamment en termes de gestion et d’interprétation de la grande quantité de données produites. Il s’avère essentiel de développer des systèmes robustes, afin de rendre ces informations facilement exploitables dans la pratique clinique. De nombreux experts soulignent aussi la nécessité de standardiser les procédures et de valider les modèles d’IA, pour éviter les surajustements et garantir leur pertinence clinique.

Les protocoles optimisés et l’IA ouvrent ainsi de nouvelles perspectives pour améliorer le diagnostic et le traitement des tumeurs intracrâniennes. Mais seule une collaboration fluide entre les radiologues, les neurochirurgiens, les oncologues et les chercheurs permettra d’en tirer pleinement parti et de redonner espoir aux patients.