Le développement, la sécurité et la faisabilité d'une plate-forme basée sur l'intelligence artificielle (NodeAI) pour la prédiction en temps réel de la malignité des ganglions lymphatiques médiastinaux pendant la stadification par échographie endobronchique du cancer du poumon (NodeAI)

Le cancer du poumon est la principale cause de décès annuels par cancer dans le monde, plus que les cancers du sein, de la prostate et du côlon réunis. La stadification des ganglions lymphatiques thoraciques (LN) est une étape cruciale dans le parcours de diagnostic du cancer du poumon, car elle facilite les décisions de traitement – ​​qu'un patient soit candidat à une résection pulmonaire, à une chimiothérapie, à une radiothérapie ou à des traitements multimodaux. L'aspiration transbronchique à l'aiguille par échographie endobronchique (EBUS-TBNA) est la norme actuelle pour la stadification ganglionnaire thoracique du cancer du poumon non à petites cellules (CPNPC), et les lignes directrices exigent qu'un échantillonnage systématique (SS) d'au moins 3 stations LN thoraciques soit régulièrement effectué pour un mise en scène. Malheureusement, l’EBUS-TBNA donne des résultats inexacts chez 40 % des patients, conduisant à des décisions de traitement mal informées. Cette proportion est beaucoup plus élevée chez les patients présentant des LN triplement normaux [LN qui semblent normaux sur les tomodensitométries (TDM), les tomographies par émission de positons (TEP) et l'EBUS], qui se sont avérés avoir > 93 % de chances d'être véritablement bénin. En effet, EBUS-TBNA est basé sur des ultrasons, dont le succès dépend fortement de la compétence de la personne qui l'exécute (opérateur). Lorsque l’opérateur commet une erreur, c’est toute la procédure qui est compromise. Cela entraîne des retards de traitement en aval en raison de tests répétés et de décisions de traitement mal informées.

Au cours de la dernière décennie, l'investigateur a mené une série d'études et d'essais de recherche : le développement et la validation du Canada Lymph Node Score (CLNS) - une mesure semi-quantitative dérivée du chirurgien de la malignité LN ; une version basée sur l'intelligence artificielle (IA) du CLNS pour prédire la malignité ; et une IA entièrement autonome qui a appris à prédire la malignité directement à partir d'images échographiques, pour introduire l'IA dans le processus décisionnel dans le CPNPC. Cela a abouti à la création d’un logiciel basé sur l’IA pour prédire la malignité des LN médiastinaux des patients atteints d’un cancer du poumon. Le logiciel est actuellement hébergé dans le stockage cloud et ses applications sont latentes, ce qui signifie que les images LN doivent être téléchargées sur le logiciel et que les résultats sont reçus ultérieurement. Dans sa forme actuelle, le logiciel n’est pas prêt pour une application clinique en raison de cette latence. Dans ce projet, l'investigateur vise à construire un appareil au point d'intervention qui hébergera le logiciel (NodeAI) et fournira des résultats en temps réel au chirurgien, et cet appareil sera testé dans un essai clinique.