Diagnostic assisté par IA de la dysplasie cervicale à partir d'images de cervicographie

Pourquoi cela compte pour la santé des femmes

Le cancer du col de l'utérus est l'un des cancers les plus évitables, pourtant de nombreuses femmes dans les régions à ressources limitées n'ont toujours pas accès à des outils de dépistage avancés. Cette étude explore comment l'intelligence artificielle peut transformer de simples photographies cervicales, prises après l'application d'une solution de type vinaigre, en un outil puissant pour repérer les premiers changements précancéreux. En procédant ainsi, elle vise à apporter un diagnostic plus précis dans des cliniques qui ne disposent pas d'équipements coûteux ni de spécialistes, aidant à détecter la maladie plus tôt et potentiellement à sauver des vies.

De simples photos à un dépistage plus intelligent

Dans de nombreux hôpitaux des pays à revenu élevé, les médecins utilisent un dispositif grossissant appelé colposcope pour examiner de près le col et décider si des zones suspectes doivent être biopsiées. Dans les milieux plus pauvres ou ruraux, cet outil est souvent indisponible, si bien que les infirmières se fient à l'inspection visuelle après application d'acide acétique (VIA) : elles appliquent de l'acide acétique dilué, recherchent des taches blanches et peuvent prendre une photo (cervicographie). La VIA est utile pour signaler qu'il y a peut-être un problème, mais elle est beaucoup moins fiable pour évaluer la gravité de l'anomalie. La décision clinique clé est de savoir si une lésion est bénigne et peut être surveillée, ou sévère et nécessite un traitement immédiat. Les chercheurs se sont efforcés d'apprendre à un ordinateur à faire cette distinction directement à partir d'images de cervicographie.

Apprendre aux ordinateurs à lire des indices visuels subtils

L'équipe a construit un système en deux étapes autour d'un modèle d'analyse d'image moderne connu sous le nom de YOLOv11, choisi pour sa capacité à détecter rapidement des objets et à fonctionner sur du matériel modeste. D'abord, le système vérifie si une image VIA contient une lésion suspecte, en s'appuyant sur des règles médicales concernant l'apparence des zones blanches et leur position sur le col. Si une lésion est présente, la seconde étape examine quatre caractéristiques visuelles sur lesquelles s'appuient les experts en colposcopie : l'intensité de la blanchiment après l'acide, la rugosité ou la douceur de la surface, la part de la zone de transformation couverte, et le nombre des quatre quadrants cervicaux impliqués. Chaque caractéristique est analysée soit par le modèle d'IA soit par des règles géométriques simples, et ensemble elles fournissent une image plus riche de la sévérité que la couleur seule.

Augmenter les données à partir de peu de patientes

Un obstacle majeur était que les images de haute qualité confirmées par biopsie, en particulier pour les formes précoces et légères, sont rares. Pour surmonter cela, les chercheurs ont utilisé un type d'IA générative (StyleGAN-2 avec augmentation adaptative) pour créer des images cervicales synthétiques réalistes reproduisant les motifs sous-représentés. Ces images artificielles n'ont servi que pour l'entraînement et la validation, jamais pour les tests finaux. Les données réelles provenaient de plusieurs sources, y compris de grands ensembles internationaux d'images de colposcopie avec étiquettes Swede Score, un jeu de données plus petit mais très fiable avec confirmation histopathologique, et des collections externes d'hôpitaux indonésiens et de programmes de dépistage basés sur des téléphones mobiles. Cette combinaison a permis au modèle d'apprendre à la fois à partir de notations d'experts et de diagnostics tissulaires de référence.

Fonder une décision sur plusieurs avis

Une fois les quatre caractéristiques clés extraites de chaque image, le système a utilisé une approche d'ensemble — essentiellement un « vote » structuré entre différents classifieurs spécifiques à chaque caractéristique — pour étiqueter chaque cas comme dysplasie légère ou sévère. Les premiers essais sans augmentation avancée n'ont atteint qu'environ 62 % de précision, ce qui montre la difficulté de la tâche lorsque les données sont rares et déséquilibrées. Après l'ajout d'images d'entraînement générées par le GAN et le réglage fin de l'ensemble, la meilleure configuration a atteint environ 95 % de précision globale sur un jeu de test indépendant confirmé par biopsie. Elle a correctement identifié plus de 95 % des cas sévères et plus de 80 % des cas légers, tout en maintenant le taux d'erreur global sous 8 %. Le modèle a aussi montré des performances cohérentes sur un jeu de données hospitalier séparé, ce qui suggère qu'il peut gérer des variations d'équipement et de pratiques locales, bien que les performances aient diminué face à des images prises avec un téléphone mobile fortement éclairé.

Ce que cela signifie pour les soins quotidiens

Pour les cliniques non spécialisées qui effectuent déjà le dépistage VIA, ce travail montre que des images de cervicographie ordinaires pourraient être transformées en un outil beaucoup plus informatif. Un système d'IA qui mettrait en évidence les lésions, estimerait leur étendue et indiquerait si elles paraissent légères ou sévères pourrait aider les soignants de première ligne à décider qui nécessite une orientation urgente et qui peut être surveillé en toute sécurité. Les auteurs soulignent toutefois que leur modèle a encore des limites : il repose en partie sur des données synthétiques, a été entraîné principalement sur des images de colposcopie plutôt que sur des images réelles prises au téléphone, et a été testé sur des jeux confirmés par biopsie relativement réduits. Des études plus larges et plus diversifiées sont nécessaires avant qu'un tel système puisse guider le traitement de manière autonome. Néanmoins, les résultats montrent que combiner une imagerie abordable avec une IA soigneusement conçue pourrait renforcer la prévention du cancer du col là où l'on en a le plus besoin.

Citation: Nurmaini, S., Rachmatullah, M.N., Agustiansyah, P. et al. AI-assisted diagnosis of cervical dysplasia from cervicography images. Sci Rep 16, 9920 (2026). https://doi.org/10.1038/s41598-026-39192-1

Mots-clés: dépistage du cancer du col de l'utérus, cervicographie, IA médicale, apprentissage profond, classification de la dysplasie