Évaluation complète des performances du BMIA-12A, un système de quantification des cellules de la moelle osseuse dans des échantillons normaux et atteints de maladies hématologiques

Pourquoi le comptage des cellules de la moelle osseuse est important

Lorsqu’ils diagnostiquent des cancers du sang comme la leucémie ou le myélome multiple, les médecins examinent attentivement des frottis de moelle osseuse au microscope et comptent des milliers de cellules à la main. Ce travail lent et minutieux influence des décisions aux conséquences majeures concernant le diagnostic, le traitement et le pronostic. L’article présente et teste rigoureusement un nouveau système d’intelligence artificielle, BMIA‑12A, conçu pour automatiser une grande partie de ce comptage—ce qui pourrait rendre les résultats plus rapides, plus cohérents et moins dépendants de l’expert individuel qui lit la lame.

Un nouvel assistant numérique pour le microscope

Le système BMIA‑12A utilise des images numérisées de frottis de moelle osseuse et des algorithmes d’apprentissage profond pour reconnaître et classer les cellules en 16 types principaux, y compris les premiers « blastes » qui aident à définir les leucémies et les plasmocytes centraux dans le myélome multiple. Dans cette étude, les chercheurs ont analysé 298 frottis de moelle osseuse provenant de 149 personnes, couvrant des échantillons normaux, des troubles des plasmocytes et plusieurs formes de leucémie aiguë. Pour chaque frottis, ils ont comparé trois approches : le comptage entièrement automatisé par l’IA, le comptage IA révisé et corrigé par des spécialistes, et le comptage manuel traditionnel au microscope optique. Ils ont aussi étudié deux techniques courantes de préparation des lames, appelées frottis en coin et frottis écrasé, pour voir comment la qualité de la lame influence les performances de l’IA.

Quelle est la capacité du système à reconnaître les cellules normales

Dans la moelle osseuse de personnes sans malignité, le système d’IA a obtenu des performances impressionnantes. Il a correctement classé environ 95 % de près de 38 000 cellules dans les préparations en coin et écrasées, avec 14 des 16 types cellulaires présentant un rappel supérieur à 90 %. Les lames en coin—où l’échantillon est réparti de façon homogène sur la lame—ont donné une précision légèrement meilleure pour les cellules diagnostiques clés comme les plasmocytes, les blastes et les rares basophiles. La plupart des erreurs de l’IA concernaient des types cellulaires très semblables, tels que des stades voisins de maturation des globules blancs ou des lymphocytes réactifs qui ressemblent à des blastes. Lorsque les chercheurs ont comparé la fréquence d’apparition de chaque type cellulaire sur des échantillons complets, les résultats de l’IA et ceux corrigés par des experts concordaient étroitement, tandis que les comptages manuels traditionnels étaient sensiblement plus variables, reflétant la subjectivité et l’échantillonnage limité du comptage humain.

Que se passe-t-il dans le myélome et la leucémie

Les performances du système en contexte de maladie étaient plus nuancées. Dans les troubles des plasmocytes, l’IA était très précise pour identifier les plasmocytes mais en omettait environ un quart, en particulier dans le myélome multiple où la moelle est saturée de plasmocytes anormaux dont la morphologie diffère des exemples « textbook » utilisés pour l’entraînement. En conséquence, l’IA tendait à sous‑estimer les pourcentages de plasmocytes par rapport aux comptages manuels et aux résultats numériques révisés par des experts, surtout lorsque la charge tumorale était élevée. Un schéma similaire est apparu dans les leucémies aiguës : l’IA repérait globalement bien les blastes, en particulier sur les lames en coin, mais classait souvent des blastes atypiques dans des catégories voisines comme les monocytes ou les cellules myéloïdes précoces. Les comptages manuels donnaient systématiquement des pourcentages de blastes plus élevés que les résultats automatisés ou numériques révisés par des experts, avec les plus grands écarts observés dans certains sous‑types génétiques comme LMA avec mutation NPM1 et LAL B‑cellulaire avec la fusion BCR::ABL1, où la morphologie blastique est particulièrement atypique.

Pourquoi la préparation des lames et la génétique comptent

L’étude a montré que la manière de réaliser le frottis et la génétique sous‑jacente de la maladie influencent toutes deux les performances de l’IA. Les frottis écrasés, où des fragments de moelle sont légèrement comprimés entre des lames, provoquaient des distorsions qui estompaient les détails nucléaires fins, augmentant la confusion entre stades de maturation adjacents et entre blastes et autres cellules juvéniles. Les frottis en coin préservaient mieux la structure, offrant un rappel et une précision supérieurs, si bien que les auteurs les recommandent comme format standard pour l’analyse assistée par IA. Sur le plan biologique, les blastes de certains sous‑types génétiques ont souvent des formes nucléaires distinctives, parfois déformées, ou d’autres caractéristiques atypiques. Parce que les systèmes d’IA actuels sont généralement entraînés principalement sur des cellules normales, ces variantes néoplasiques peuvent être forcées dans la catégorie « normale la plus proche », entraînant une sous‑estimation systématique de la charge tumorale précisément chez les patients pour lesquels des seuils exacts sont les plus critiques.

Quelle différence cela fait aujourd’hui au laboratoire

Pris ensemble, les résultats suggèrent que BMIA‑12A est déjà suffisamment fiable pour servir d’outil puissant de dépistage et de triage, en particulier pour les moelles osseuses normales et les numérations différentielles de routine. Il peut analyser rapidement des dizaines de milliers de cellules par lame et fournit des résultats stables et reproductibles qui s’alignent bien sur les révisions d’experts. Cependant, les divergences nettes et parfois importantes avec les comptages manuels dans les leucémies et les cancers des plasmocytes montrent que les spécialistes humains restent essentiels pour l’interprétation finale, notamment près des seuils diagnostiques et dans les sous‑types génétiquement définis à haut risque. Les auteurs soutiennent que les laboratoires qui adoptent de tels outils d’IA doivent les valider soigneusement pour leurs propres méthodes de préparation des lames et mettre en place des flux de travail où l’IA fournit une base objective que les experts affinent, plutôt qu’un remplacement du jugement expert.

Citation: Kim, H.N., Lee, J.H., Jung, Y. et al. Comprehensive performance assessment of the BMIA-12 a system for bone marrow cell quantification in normal and hematological malignancy samples. Sci Rep 16, 8798 (2026). https://doi.org/10.1038/s41598-026-39443-1

Mots-clés: intelligence artificielle en hématologie, cytologie de la moelle osseuse, diagnostic de la leucémie, myélome multiple, microscopie numérique