L’intelligence artificielle pour améliorer les performances de la cytologie dans le diagnostic du carcinome urothélial de la vessie résultats de l’étude prospective française multicentrique VISIOCYT1

La prise en charge des patients atteints d’un cancer de la vessie se base sur la cytologie et l’endoscopie. Bien que non invasif, la cytologie souffre d’un manque de sensibilité et elle dépend de l’expertise de l’anatomopathologiste. Afin de proposer un test non invasif avec une bonne sensibilité, VitaDX a développé VisioCyt®, un test basé sur l’intelligence artificielle. Nous présentons ici les performances du test. VISIOCYT1 était un essai clinique prospectif multicentrique (14 centres) impliquant 319 patients répartis en deux groupes : (1) patients avec tumeur de la vessie non infiltrant le muscle (TVNIM de novo ou en récidive) confirmées par histologie, et (2) des patients témoins sans antécédents ou symptômes de TVNIM pour lesquels une exploration des voies urinaires inférieures étaient nécessaires et dont les examens cytologiques et cystoscopiques étaient négatifs. L’objectif principal était d’évaluer la sensibilité globale (Se) du test. La spécificité (Sp) et la comparaison de Se et Sp entre VisioCyt® et la cytologie urinaire ont été calculées. Au total, 319 patients ont été inclus entre octobre 2017 et décembre 2019 (170 dans le groupe TVNIM contre 149 témoins). La Se globale moyenne de VisioCyt® était significativement supérieure à celle de la cytologie (80,9 % vs 45,9 %, p < 0,0001, test de McNemar). La Se de VisioCyt® pour détecter les tumeurs de bas grade (BG) était supérieur à celle de la cytologie (66,7 % contre 26,1 %, p < 0,0001). De même pour les tumeurs de haut grade (HG) : 93,7 % contre 62,8 %, p < 0,0001. La spécificité (Sp) du test VisioCyt® était de 61,8 (Tableau 1). Le test VisioCyt® a montré une sensibilité de 93,7 % pour les HG et 62,8 % pour les bas grades ce qui en fait un test non invasif prometteur pour le diagnostic des TVNIM notamment pour la surveillance des patients. Basé sur l’intelligence artificielle, les performances du test pourront s’améliorer grâce à la cumulation des données.