Évaluation de l'apport de l'intelligence artificielle et de l'analyse d'images numériques pour la standardisation de la quantification du Ki-67 dans le cancer du sein

Abstract

Introduction: L’indice de prolifération Ki-67 constitue un biomarqueur majeur dans la stratification moléculaire des cancers du sein et dans l’orientation des décisions thérapeutiques. Toutefois, sa quantification visuelle par les pathologistes demeure limitée par une variabilité interobservateur bien documentée. Dans ce contexte, la pathologie numérique ouvre de nouvelles perspectives pour améliorer la standardisation et la reproductibilité de son évaluation. Objectifs : Cette étude avait pour objectif d’évaluer l’apport de l’analyse d’images open-source et de l’intelligence artificielle dans la standardisation de la quantification du Ki-67, en comparaison avec la méthode manuelle de référence. Elle visait également à analyser l’influence de l’âge des patientes sur le profil de prolifération tumorale. Méthodologie : L’évaluation technique a porté sur 909 images correspondant à 303 cas, en comparant trois approches de quantification du Ki-67 : le comptage manuel expert, l’algorithme QuPath et l’outil de deep learning DeepLIIF. Parallèlement, une analyse clinique a été menée sur 164 patientes issues de la cohorte afin de comparer l’expression du Ki-67 selon l’âge, en opposant