Comment fonctionne la pathologie numérique – et pourquoi c'est important

Du microscope à l'écran

Depuis plus d'un siècle, le diagnostic du cancer repose sur un pathologiste observant au microscope une fine tranche de tissu montée sur une lame de verre. Le tissu est généralement coloré à l'hématoxyline et à l'éosine (H&E), une procédure courante et peu coûteuse, coûtant aussi peu que 5 à 10 dollars par lame. Bien qu'efficace, ce processus est lent, subjectif et difficile à mettre à l'échelle.

La pathologie numérique change la donne. Les scanners d'images de lames entières (WSI) à haute résolution convertissent les lames de verre physiques en fichiers numériques détaillés que les pathologistes peuvent visualiser, annoter et partager sur un écran, sans microscope. Les scanners modernes peuvent imager une seule lame en deux à trois minutes et traiter jusqu'à 450 lames en une seule série, selon Yale School of Medicine.

Comment l'IA entre en jeu

La numérisation des lames n'est que la première étape. La véritable transformation se produit lorsque des algorithmes d'intelligence artificielle analysent ces images. Les modèles d'apprentissage profond, en particulier les réseaux neuronaux convolutifs et les architectures de transformateurs, peuvent examiner des millions de cellules en une seule analyse, identifiant des schémas que même des pathologistes expérimentés pourraient manquer.

Ces outils d'IA peuvent détecter automatiquement les régions cancéreuses, classer les types de cellules, mesurer l'infiltration des cellules immunitaires, quantifier l'expression des biomarqueurs et même prédire l'évolution des patients en fonction de la structure des tissus. Il est essentiel de noter que l'IA ne remplace pas les pathologistes. Au lieu de cela, elle travaille à leurs côtés dans ce que les chercheurs appellent l'intelligence augmentée, signalant les zones suspectes, réduisant le travail répétitif et améliorant la cohérence des diagnostics.

Comme le souligne une étude publiée dans Nature Medicine, les outils de pathologie computationnelle basés sur l'IA se sont révélés particulièrement prometteurs en oncologie de précision, où ils aident à associer les patients à des thérapies ciblées en fonction des caractéristiques tumorales visibles sur les lames de tissus.

Ce que l'IA peut voir que les humains ne peuvent pas

La coloration H&E standard révèle l'architecture de base des tissus, mais des techniques plus avancées comme l'immunofluorescence multiplex (mIF) peuvent cartographier l'activité des protéines dans une tumeur, montrant comment les cellules immunitaires interagissent avec les tissus cancéreux. Le problème est que l'imagerie mIF coûte des milliers de dollars par lame et n'est disponible que dans des centres spécialisés.

C'est là que les nouveaux modèles d'IA repoussent les limites. Le système GigaTIME de Microsoft, développé avec Providence Health et l'Université de Washington et publié dans Cell, a démontré que l'IA entraînée sur 40 millions de cellules appariées peut générer des images mIF virtuelles à partir de lames H&E courantes et peu coûteuses. Appliqué à plus de 14 000 patients et 24 types de cancer, le système a découvert plus de 1 200 associations statistiquement significatives entre les schémas d'activation des protéines et les résultats cliniques, des informations auparavant inaccessibles en raison du coût élevé de l'imagerie.

Approbations de la FDA et adoption clinique

L'IA en pathologie numérique n'est plus expérimentale. Plusieurs outils ont franchi les obstacles réglementaires :

• Paige Prostate est devenu l'un des premiers outils d'IA en pathologie approuvés par la FDA en 2021, aidant à la détection du cancer de la prostate.
• Paige PanCancer Detect, approuvé en 2025, étend la détection du cancer assistée par l'IA à plusieurs types de tissus et organes.
• Roche Digital Pathology Dx a reçu l'autorisation 510(k) de la FDA au début de 2025 pour son système d'imagerie de lames entières.
• AIM-MASH de PathAI est devenu le premier outil de développement de médicaments basé sur l'IA qualifié par la FDA pour les essais cliniques.

Le marché mondial de la pathologie numérique, évalué à environ 1,2 milliard de dollars en 2024, devrait dépasser les 2,6 milliards de dollars d'ici 2032, en raison de l'augmentation de l'incidence du cancer, de l'adoption de la télépathologie et de l'intégration aux dossiers de santé électroniques, selon Fortune Business Insights.

Pourquoi c'est important

Les implications vont bien au-delà des gains d'efficacité. Dans les régions où les pathologistes sont rares, ce qui est courant en Afrique subsaharienne et dans certaines parties de l'Asie du Sud-Est, la pathologie numérique permet un diagnostic à distance via la télépathologie. Un spécialiste situé à des milliers de kilomètres peut examiner une analyse et établir un diagnostic sans que la lame ne quitte l'hôpital.

Pour les patients, des diagnostics plus rapides et plus cohérents peuvent signifier un traitement plus précoce, des thérapies mieux adaptées et de meilleurs taux de survie. Pour les chercheurs, les bases de données massives de lames numérisées associées à l'analyse de l'IA accélèrent le développement de médicaments et la conception d'essais cliniques.

La pathologie numérique représente un changement fondamental : la lame de microscope, autrefois un artefact statique examiné par une seule paire d'yeux, devient une source de données dynamique analysée par des algorithmes entraînés sur des millions de cas. L'expertise du pathologiste reste essentielle, mais elle est désormais amplifiée par des machines qui ne se fatiguent jamais et ne manquent jamais un pixel.