Prédire le stade du cancer du poumon au moment du diagnostic à partir de symptômes auto-déclarés et de facteurs de contexte à l’aide de modèles d’apprentissage automatique

Pourquoi il est si difficile de détecter tôt le cancer du poumon

Le cancer du poumon est l’un des cancers les plus mortels, en grande partie parce qu’il est souvent découvert trop tard, quand les options de traitement sont limitées. Pourtant, de nombreuses personnes atteintes présentent des symptômes avant et au moment du diagnostic — comme la toux, l’essoufflement, la fatigue ou la perte de poids — qui pourraient, en théorie, alerter les médecins plus tôt. Cette étude pose une question simple mais importante : si les patients renseignent systématiquement et de façon détaillée leurs symptômes et leurs éléments de contexte, les ordinateurs peuvent-ils apprendre à repérer qui est susceptible d’avoir un cancer du poumon et si celui-ci est à un stade précoce ou avancé ?

Écouter le récit des patients

Les chercheurs ont suivi 486 personnes adressées à une clinique spécialisée à Stockholm parce que leurs médecins suspectaient un cancer du poumon. Tous ont rempli un questionnaire électronique détaillé sur tablette, appelé PEX-LC. Il portait sur 57 facteurs de contexte (âge, tabagisme, situation de vie, antécédents pulmonaires, etc.) et sur plus de 100 symptômes possibles, des problèmes respiratoires et de la toux aux douleurs, à la fatigue, aux changements d’appétit et à la fièvre. Les questions ont enregistré non seulement les tout premiers signes d’alerte, mais aussi les symptômes présents autour du moment du diagnostic. Au cours de l’année suivante, les dossiers médicaux ont permis de savoir qui a reçu un diagnostic de cancer du poumon et s’il s’agissait d’un stade non avancé (principalement I–IIIa) ou d’un stade avancé (IIIb–IV).

Qui s’est avéré avoir un cancer du poumon

Parmi les personnes adressées, environ quatre sur dix n’avaient pas de cancer, tandis que six sur dix ont été diagnostiquées avec un cancer du poumon, réparties à peu près également entre stades non avancés et avancés. Par rapport aux personnes sans cancer, les patients atteints de cancer du poumon avaient tendance à être plus âgés, plus fréquemment fumeurs quotidiens, plus souvent vivant seuls et plus susceptibles d’avoir perdu du poids au cours de l’année précédente. Parmi ceux au stade avancé, les hommes étaient surreprésentés et des antécédents pulmonaires tels que l’asthme, la bronchopneumopathie chronique obstructive et la pneumonie étaient plus fréquents. Ces profils de contexte suggèrent que des facteurs quotidiens — âge, historique tabagique, situation de vie et changements récents de santé — restent des signaux puissants de risque, même avant de se concentrer sur des symptômes spécifiques.

Les symptômes qui se distinguent

Quand l’équipe a comparé les symptômes rapportés, elle a constaté que les personnes atteintes d’un cancer du poumon à un stade précoce ressemblaient étonnamment à celles sans cancer : seuls un sifflement respiratoire et l’absence de fièvre les différenciaient clairement dans des comparaisons simples une à une. En revanche, les personnes atteintes d’un cancer du poumon au stade avancé présentaient beaucoup plus de plaintes caractéristiques. Elles signalaient plus fréquemment un essoufflement, des difficultés à reprendre leur souffle, une toux irritante et une respiration bruyante, ainsi que des douleurs (en particulier dans le dos), une fatigue importante, une faiblesse, des frissons et des problèmes alimentaires tels qu’une satiété précoce et une perte d’appétit. Ces schémas confirment que, lorsque le cancer du poumon est avancé, il perturbe souvent plusieurs systèmes corporels, tandis que la maladie précoce peut se cacher derrière des sensations vagues ou facilement écartées.

Ce que les ordinateurs ont pu — et n’ont pas pu — faire

Pour vérifier si des combinaisons complexes de réponses pouvaient raconter une histoire plus claire que n’importe quel symptôme isolé, les chercheurs ont entraîné plusieurs types de modèles d’apprentissage automatique. Ces algorithmes ont appris à partir de 129 variables différentes du questionnaire pour séparer les personnes avec un cancer non avancé de celles sans cancer, et séparément pour distinguer le cancer avancé de l’absence de cancer. Les modèles n’ont atteint qu’une précision modérée : ils faisaient mieux que le hasard mais étaient loin d’être parfaits, notamment pour la maladie à un stade précoce. Des facteurs de contexte tels que l’âge, le statut tabagique, le sexe et le fait de vivre seul figuraient systématiquement parmi les prédicteurs les plus influents. Certains symptômes — toux irritante, respiration sifflante ou bruyante, difficultés à reprendre son souffle, sensation d’oppression dans la gorge, douleur et changements d’appétit ou de poids — ont également contribué, en particulier pour le cancer avancé. Cependant, aucun petit groupe de symptômes ne dominait ; ce sont plutôt des dizaines de caractéristiques subtiles qui devaient être combinées pour atteindre des performances modestes.

Ce que cela signifie pour les patients et les cliniciens

L’étude montre que demander simplement aux personnes, de façon détaillée, leurs symptômes et leur situation de vie peut révéler des schémas significatifs liés au cancer du poumon, mais que ces signaux sont souvent faibles, surtout aux premiers stades où le traitement a les meilleures chances de guérison. Les modèles d’apprentissage automatique basés uniquement sur les données de questionnaires peuvent aider à trier les patients orientés qui pourraient nécessiter des examens plus urgents, mais ils ne sont pas suffisamment précis pour se substituer à des outils de dépistage ou à des tests diagnostiques. Pour les patients et les cliniciens, l’essentiel est que l’âge, le tabagisme, le fait de vivre seul et une perte de poids récente, combinés à des problèmes respiratoires persistants, des douleurs, une perte d’appétit ou une fatigue inexpliquée, doivent abaisser le seuil pour des investigations pulmonaires approfondies. Les auteurs soutiennent que l’avenir d’une détection plus précoce du cancer du poumon reposera probablement sur la combinaison de ces informations auto-déclarées avec des données cliniques et des tests biologiques, plutôt que sur les seuls symptômes.

Citation: Gustavell, T., Sissala, N., Pernemalm, M. et al. Predicting lung cancer stage at diagnosis based on self-reported symptoms and background factors using machine learning models. Sci Rep 16, 11866 (2026). https://doi.org/10.1038/s41598-026-46710-8

Mots-clés: cancer du poumon, détection précoce, symptômes déclarés par le patient, apprentissage automatique, évaluation du risque