Système basé sur l’apprentissage profond pour prédire le volume de résection du carcinome hépatocellulaire à partir de CT injecté

Une planification plus intelligente pour la chirurgie du cancer du foie

Pour les personnes atteintes d’un cancer du foie, l’un des principaux défis pour les chirurgiens est de décider quelle portion du foie enlever. Si l’on retire trop peu, la tumeur peut récidiver ; si l’on enlève trop, le patient peut ne pas disposer de suffisamment de foie sain pour survivre. Cette étude présente un nouveau système d’intelligence artificielle (IA) qui utilise des scanners pour aider les médecins à planifier rapidement et précisément les interventions hépatiques, dans le but de rendre la chirurgie plus sûre, plus rapide et plus homogène.

Pourquoi la taille du foie est si importante

Le cancer primaire du foie le plus fréquent, appelé carcinome hépatocellulaire, est à la fois agressif et de plus en plus fréquent dans le monde. Une chirurgie qui enlève complètement la tumeur offre à certains patients la meilleure chance de survie à long terme. Mais le foie n’est pas un organe que l’on peut couper à volonté : il assure de nombreuses fonctions vitales, de l’élimination des toxines au métabolisme des nutriments. Si les chirurgiens retirent trop de tissu hépatique, le patient peut souffrir d’une insuffisance hépatique potentiellement mortelle après l’opération. À l’inverse, laisser une marge trop étroite autour de la tumeur augmente le risque que des cellules cancéreuses persistent. Calculer avec précision la portion de foie qu’il est sûr d’enlever est donc au cœur de la chirurgie hépatique moderne.

Le statu quo lent et manuel

Aujourd’hui, ce calcul minutieux se fait généralement manuellement. Les radiologues et les chirurgiens chargent des scanners injectés dans des logiciels spécialisés de planification tridimensionnelle (3D), délimitent le foie et les tumeurs coupe par coupe, identifient les vaisseaux sanguins clés, puis simulent différents plans de coupe. Ce processus peut prendre plusieurs minutes par patient et requiert du personnel hautement qualifié. Il est aussi soumis aux variations humaines : deux experts peuvent tracer des frontières légèrement différentes, et une même personne peut manquer de constance d’un jour à l’autre. Dans les hôpitaux très chargés où de nombreux patients nécessitent une chirurgie hépatique, cette planification chronophage peut ralentir la prise en charge et augmenter les coûts.

Un assistant IA nommé LRVCD

Les chercheurs ont développé un système basé sur l’IA qu’ils appellent Liver Resection Volume Calculation with Deep Learning, ou LRVCD. Il utilise des modèles d’apprentissage profond entraînés sur des scanners de 990 patients pris en charge dans deux grands hôpitaux sur une décennie. Dans une première étape, l’IA détecte automatiquement les tumeurs hépatiques et segmente le foie en segments anatomiques détaillés sur les images CT. Dans une seconde étape, le système combine ces cartes de segments avec le plan choisi par le chirurgien—qu’il s’agisse d’une résection segmentaire standard ou d’une coupe plus irrégulière et personnalisée—pour calculer la quantité de tissu hépatique sain et de tumeur qui seraient retirés. Le système fournit des chiffres clés tels que le volume hépatique total, le volume tumoral, le volume de résection prévu et le pourcentage de foie à retirer.

Mettre le système à l’épreuve

Pour vérifier la fiabilité de LRVCD, l’équipe a comparé ses résultats à ceux de chirurgiens expérimentés utilisant des logiciels de planification 3D établis. Ils ont évalué deux groupes indépendants de patients : l’un provenant du même hôpital où l’IA a été entraînée et l’autre de centres différents. Pour chaque cas, ils ont mesuré la concordance entre les estimations de l’IA et la référence manuelle pour le volume hépatique, le volume tumoral et la résection prévue. Les différences étaient faibles, et l’accord sur la mesure clé—le pourcentage de foie à retirer—était proche dans les deux groupes. Si l’IA avait tendance à sous-estimer légèrement le volume hépatique global et à surestimer un peu le volume tumoral, ces biais restaient dans des limites cliniques acceptables et reflétaient des particularités déjà connues des méthodes manuelles de planification 3D.

De plusieurs heures à quelques secondes

Un des avantages les plus marquants de LRVCD est la rapidité. Dans les groupes de test internes et externes, le flux de travail piloté par l’IA a réduit le temps de planification d’environ vingt fois par rapport au processus conventionnel avec logiciel 3D. Ce qui prenait autrefois de l’ordre de dix minutes ou plus pouvait désormais être achevé en moins d’une demi-minute. Parce que l’IA prend en charge le travail lourd de segmentation et de calcul des volumes, l’intervention humaine se limite essentiellement à saisir des informations chirurgicales de base et à effectuer de petits ajustements si nécessaire. Les radiologues et les chirurgiens peuvent ainsi consacrer davantage de temps aux décisions cliniques et moins aux tâches répétitives à la souris.

Ce que cela signifie pour les patients

Pour les patients, les détails techniques se résument à une promesse simple : une planification chirurgicale plus précise et plus rapide, sans examens supplémentaires ni coûts additionnels. En fournissant rapidement des estimations cohérentes de la quantité de foie qui peut être retirée en toute sécurité, LRVCD peut aider les chirurgiens à viser des opérations curatives tout en limitant le risque d’insuffisance hépatique post-opératoire. L’étude montre que cet outil d’IA offre des performances comparables aux méthodes de planification 3D établies tout en réduisant considérablement la charge de travail. Les auteurs notent que des travaux supplémentaires sont nécessaires pour tester le système sur des groupes de patients plus larges et pour automatiser davantage la prise de décision chirurgicale, mais leurs résultats suggèrent que la planification assistée par IA pourrait bientôt devenir un allié pratique au bloc opératoire pour les soins du cancer du foie.

Citation: Wang, X., Zhang, L., Liu, P. et al. Deep learning-based system to predict hepatocellular carcinoma resection volume using contrast-enhanced CT. Sci Rep 16, 6388 (2026). https://doi.org/10.1038/s41598-026-37085-x

Mots-clés: chirurgie du cancer du foie, IA en imagerie médicale, carcinome hépatocellulaire, planification par scanner, volume de résection hépatique