Reconnaissance des corps zébrés par intelligence artificielle (ZEBRA) : un outil informatique pour la néphropathie de Fabry

Pourquoi de minuscules modifications rénales ont de l’importance

La maladie de Fabry est une affection héréditaire rare qui endommage progressivement de nombreux organes, en particulier les reins. Un traitement précoce peut prévenir des complications graves, mais les premiers signes dans le tissu rénal sont souvent subtils et faciles à manquer, même pour des spécialistes. Cette étude présente un nouvel outil d’intelligence artificielle (IA), appelé ZEBRA, qui analyse des images numériques de biopsies rénales pour aider les médecins à repérer ces modifications précoces de manière plus fiable et plus rapide.

Une maladie rare aux débuts discrets

Dans la maladie de Fabry, l’absence ou le dysfonctionnement d’une enzyme entraîne l’accumulation de molécules grasses à l’intérieur des cellules de tout le corps, y compris dans les petits filtres des reins. Ces filtres contiennent des cellules spécialisées appelées podocytes, qui participent à l’épuration du sang. Lorsqu’ils sont surchargés, leur intérieur apparaît gonflé et « mousseux » au microscope. Cet aspect mousseux est l’un des rares indices précoces d’atteinte rénale, en particulier chez les femmes et chez les personnes présentant des formes plus atténuées ou d’apparition tardive de la maladie. Cependant, des changements mousseux similaires peuvent survenir dans d’autres affections, et la méthode de confirmation de référence — la microscopie électronique — n’est pas toujours disponible. Par conséquent, l’atteinte rénale due à Fabry peut être méconnue, retardant le diagnostic et le traitement.

Transformer des lames de verre en indices numériques

Pour répondre à ce problème, des chercheurs de plusieurs centres italiens ont rassemblé des échantillons de biopsies rénales de 37 personnes atteintes de néphropathie de Fabry génétiquement confirmée et de 40 patients présentant d’autres maladies rénales. Les lames ont été numérisées pour créer des images numériques à haute résolution. Des néphropathologistes experts ont ensuite annoté avec soin chaque glomérule (la petite unité filtrante du rein) et délimité les podocytes mousseux individuels. En utilisant ces annotations détaillées comme référence, l’équipe a entraîné deux types de modèles d’IA : un modèle de « classification » pour décider si un glomérule contient des podocytes mousseux, et un modèle de « segmentation » pour tracer précisément l’emplacement de ces cellules anormales au sein de chaque glomérule.

Apprendre aux ordinateurs à voir comme les experts

Le modèle de classification le plus performant, appelé EfficientNetB2, a correctement identifié des glomérules avec ou sans podocytes mousseux dans environ quatre cas sur cinq. Importamment, au niveau du patient, il a détecté tous les cas de Fabry dans le groupe de test indépendant, bien qu’il ait parfois signalé à tort des glomérules issus de maladies non-Fabry comme suspects. Cela en fait un outil de dépistage à haute sensibilité particulièrement utile pour alerter les pathologistes sur des cas nécessitant un examen approfondi. Le modèle de segmentation, basé sur une architecture moderne de type transformer (SegFormerB4), était moins parfait pour tracer les frontières exactes mais très sensible pour reconnaître la présence même de podocytes mousseux. Ensemble, ces modèles constituent la chaîne ZEBRA, distribuée comme logiciel libre pouvant s’intégrer aux plateformes de pathologie numérique couramment utilisées.

Des pixels à un score de risque simple

À partir des résultats de segmentation, les chercheurs ont créé une nouvelle mesure numérique appelée score ZEBRA. Pour chaque glomérule, le logiciel calcule la fraction de la surface occupée par les podocytes mousseux puis résume cette valeur pour chaque patient. En comparant les personnes atteintes de néphropathie de Fabry à celles présentant d’autres maladies rénales, le score ZEBRA a nettement séparé les deux groupes, avec presque aucune superposition. Une valeur seuil proposée pouvait distinguer les cas de Fabry des cas non-Fabry avec une sensibilité élevée et une bonne spécificité. Le score corrélait aussi de manière raisonnable avec l’évaluation manuelle des pathologistes et montrait des liens modestes avec la fonction rénale et l’excrétion protéique urinaire, même chez des patients dont les analyses biologiques paraissaient encore relativement normales.

Ce que cela signifie pour les patients et les équipes soignantes

Ce travail montre que l’IA peut agir comme une paire d’yeux supplémentaire particulièrement attentive sur les lames de biopsie rénales de routine, aidant les pathologistes à remarquer des motifs qui pourraient autrement être manqués. Si le score ZEBRA ne remplace pas les tests génétiques ni le jugement des spécialistes, il peut signaler les cas à haut risque, inciter à des tests complémentaires et favoriser des comptes rendus plus homogènes entre hôpitaux. Avec des études plus larges et un suivi à long terme, cet outil numérique pourrait éventuellement aider les médecins non seulement à diagnostiquer la maladie de Fabry plus tôt, mais aussi à surveiller l’efficacité des traitements sur la protection rénale au fil du temps.

Citation: Cazzaniga, G., Carbone, M., Barretta, R. et al. Zebra bodies recognition by artificial intelligence (ZEBRA): a computational tool for Fabry nephropathy. Sci Rep 16, 5072 (2026). https://doi.org/10.1038/s41598-026-35466-w

Mots-clés: Maladie de Fabry, biopsie rénale, pathologie numérique, intelligence artificielle, score ZEBRA