Intelligence artificielle et Barrett œsophagien : vers de nouveaux critères d’évaluation endoscopique

Les systèmes d’intelligence artificielle appliqués à l’endoscopie digestive suscitent un intérêt croissant pour la détection précoce des néoplasies du Barrett œsophagien. Cependant, dans ces pathologies à faible prévalence, les critères histologiques classiques pourraient sous-estimer les performances réelles des outils d’aide à la détection. Cette étude multicentrique néerlandaise évalue en temps réel un système combiné de détection et de caractérisation assistées par IA (CADe/CADx).

Cette étude prospective multicentrique a inclus des patients suivis pour Barrett œsophagien dans trois centres tertiaires néerlandais. Les procédures étaient réalisées par des endoscopistes experts avec plus de 5 ans d’expérience dans le diagnostic et le traitement des néoplasies précoces du Barrett. Les lésions visibles identifiées en lumière blanche servaient de référence pour le système CADe (computer-aided detection), puis étaient caractérisées en NBI par le système CADx (computer-aided diagnosis). L’analyse était réalisée en temps réel par segments de 2 cm du Barrett.

Parmi 182 patients inclus, 74 présentaient une lésion visible identifiée par l’expert. Le système CADe détectait 67 de ces lésions, soit une sensibilité de 91%. Parmi les lésions détectées, 63% étaient histologiquement néoplasiques. Chez les patients sans lésion visible, le taux de faux positifs restait faible, avec 0,63 détection par procédure. Le système CADx identifiait correctement toutes les lésions suspectes retenues en NBI et permettait de réduire de moitié les faux positifs générés par le CADe, sans perte de sensibilité.

Cette étude confirme les performances élevées d’un système combiné CADe/CADx pour la détection en temps réel des néoplasies du Barrett œsophagien. Les résultats soutiennent l’utilisation de critères endoscopiques, plutôt qu’exclusivement histologiques, pour évaluer les outils d’intelligence artificielle dans les maladies à faible prévalence. L’IA pourrait ainsi améliorer l’identification des lésions suspectes tout en limitant les biopsies inutiles.