L'intelligence artificielle différencie la myélofibrose primitive préfibrotique avec thrombocytose de la thrombocytémie essentielle en utilisant des images numérisées de biopsies de moelle osseuse

Pourquoi cela compte pour les personnes atteintes de maladies du sang

Les médecins ont souvent du mal à différencier deux affections sanguines qui se ressemblent mais présentent des risques à long terme très différents. Cette étude montre comment l'intelligence artificielle peut lire des images de moelle osseuse sur un écran d'ordinateur pour séparer ces maladies avec davantage de précision, et met en lumière des caractéristiques tissulaires subtiles que les humains peuvent négliger. Pour les patients, cela pourrait à terme signifier un meilleur diagnostic, une information sur les risques plus claire et des traitements plus adaptés.

Deux maladies similaires avec des avenirs très différents

La thrombocytémie essentielle et la myélofibrose primitive préfibrotique sont toutes deux des maladies rares de la moelle osseuse qui entraînent un excès de plaquettes, les cellules sanguines impliquées dans la coagulation. Au microscope, leurs échantillons de moelle peuvent paraître assez semblables, si bien que même des pathologistes experts peuvent parfois diverger sur le diagnostic. La distinction est importante car les personnes atteintes de la forme préfibrotique ont davantage de risques de développer une fibrose sévère de la moelle, une leucémie et des complications potentiellement mortelles que celles atteintes de thrombocytémie essentielle. Les recommandations actuelles s'appuient sur l'évaluation visuelle par des experts des formes cellulaires et des fibroses subtiles, un processus à la fois subjectif et chronophage.

Apprendre à un ordinateur à lire des lames de moelle osseuse

Les chercheurs ont construit un système d'intelligence artificielle en deux volets qui fonctionne directement à partir d'images de biopsies de moelle osseuse colorées de routine. D'abord, ils ont utilisé un puissant modèle pré-entraîné, initialement exposé à des dizaines de milliers de lames tumorales, pour extraire des motifs visuels détaillés de chaque petite région de la biopsie. Puis ils ont appliqué une méthode d’« attention » qui permet à l'algorithme d'attribuer plus d'importance aux régions soutenant le plus fortement l'un ou l'autre diagnostic. Entraîné sur 200 patients italiens dont les diagnostics avaient été soigneusement confirmés, puis testé sur un groupe indépendant d'un centre américain de cancérologie, le système a distingué les deux maladies avec une grande précision. Il a correctement séparé la myélofibrose primitive préfibrotique de la thrombocytémie essentielle chez plus de neuf patients sur dix du groupe de validation, avec une capacité particulièrement forte à éviter d'étiqueter à tort quelqu'un comme porteur de la maladie à risque plus élevé.

Utiliser des images synthétiques pour voir ce que l'IA perçoit

Pour comprendre sur quels indices visuels le modèle s'appuyait, l'équipe a ajouté une composante générative capable de créer des tuiles de moelle osseuse à l'apparence réaliste, typiques de chaque maladie. Ils ont sélectionné des tuiles d'image réelles et générées par l'ordinateur que le classifieur traitait avec confiance et ont demandé à trois hématopathologistes experts, travaillant en aveugle, de les étiqueter. Pour les images réelles, les experts humains étaient en accord avec le diagnostic de l'IA la plupart du temps lorsqu'ils acceptaient de se prononcer. Mais pour de nombreuses images synthétiques, en particulier celles imitant la thrombocytémie essentielle, les pathologistes étaient souvent en désaccord avec l'algorithme ou estimaient ne pas pouvoir choisir un diagnostic en toute sécurité, alors que l'IA classait correctement ces tuiles selon les données connues des patients.

Un rôle surprenant de la graisse par rapport aux cellules dans la moelle

Le contraste entre humain et machine a poussé à examiner de plus près la composition tissulaire des images réelles et générées. À l'aide d'un autre outil d'analyse d'image, les chercheurs ont mesuré quelle part de chaque tuile était occupée par des espaces graisseux par rapport aux cellules hématopoïétiques. Globalement, les échantillons associés à la thrombocytémie essentielle contenaient plus de graisse, tandis que ceux liés à la myélofibrose primitive préfibrotique étaient plus densément remplis de cellules. Ce schéma est apparu tant dans les images de patients réels que dans les images générées par ordinateur, et il était encore plus marqué dans les lames synthétiques mimant la thrombocytémie essentielle. Des cartes de chaleur de l'« attention » du modèle ont aussi montré que l'algorithme se focalisait naturellement sur les zones actives de formation du sang plutôt que sur l'os ou les artefacts, ce qui suggère qu'il avait appris des indices biologiquement pertinents plutôt que des raccourcis.

Ce que cela pourrait signifier pour le diagnostic et le traitement

Sur le plan pratique, l'étude suggère qu'un système d'IA entraîné avec soin peut aider les pathologistes à séparer ces deux maladies médullaires similaires en utilisant des lames de microscope standard, et peut découvrir des caractéristiques tissulaires utiles, comme l'équilibre entre graisse et cellules, qui ne figurent pas dans les listes de contrôles actuelles. Les auteurs soulignent que leur outil n'a pas vocation à remplacer l'expertise humaine, notamment compte tenu du nombre modeste de patients étudiés à ce jour. Il pourrait plutôt agir comme un second lecteur, en particulier dans les centres qui rencontrent moins de ces cas, et aiderait à affiner quels patients sont inclus dans des essais cliniques en excluant ceux atteints de la forme préfibrotique plus agressive. Avec le temps, la combinaison de ce type d'IA basée sur l'image avec des données cliniques et génétiques pourrait soutenir une prise en charge plus sûre et personnalisée des personnes vivant avec ces maladies sanguines rares.

Citation: Srisuwananukorn, A., Loscocco, G.G., Dolezal, J.M. et al. Artificial intelligence differentiates prefibrotic primary myelofibrosis with thrombocytosis from essential thrombocythemia using digitized bone marrow biopsy images. Leukemia 40, 1018–1026 (2026). https://doi.org/10.1038/s41375-026-02893-7

Mots-clés: intelligence artificielle, biopsie de moelle osseuse, néoplasmes myéloprolifératifs, thrombocytémie essentielle, myélofibrose primitive préfibrotique