La détection précoce des mélanomes malins est d’une importance pronostique cruciale. Pour améliorer la sensibilité et la spécificité, il existe aujourd’hui, outre la dermatoscopie numérique séquentielle, une multitude d’autres méthodes de diagnostic non invasives, dont les modèles d’apprentissage en profondeur.
Une étude transversale rétrospective a comparé les réseaux neuronaux (“convolutional neural networks” CNN) développés pour la classification diagnostique des lésions cutanées basée sur l’imagerie avec la stratégie de surveillance séquentielle [1–3]. Le matériel de test utilisé était des quatuors d’images de 59 patients à haut risque ayant chacun trois nevus et un mélanome initialement diagnostiqué sur la base de modifications séquentielles par dermatoscopie numérique [3]. Deux réseaux neuronaux validés ont été utilisés pour évaluer les quatuors d’images à la ligne de base et au moment du diagnostic de mélanome. De plus, les quatuors de base ont été évalués par 26 dermatologues. Le critère cible pertinent était le nombre de quatuors dont la classification était entièrement correcte.
Résultats de l’étude et conclusion
A la ligne de base, les réseaux ont correctement classé toutes les lésions dans 15,3% et 13,6% des 59 quartets, respectivement [3]. Cela correspondait à une sensibilité de 25,4% et 28,8%, respectivement, et à une spécificité de 92,7% et 75,7%, respectivement. Après un suivi séquentiel au moment du diagnostic de mélanome, la sensibilité s’est améliorée à 44,1% et 49,2% respectivement, en raison du développement d’autres caractéristiques morphologiques du mélanome. Les dermatologues ont classé correctement en moyenne 24 (22-27) des 59 quatuors à la date de référence, en sachant que chaque quatuor comprenait un seul mélanome. Dans une évaluation alternative des résultats du CNN, un quatuor était déjà considéré comme correctement classé dès que le mélanome se voyait attribuer le score de malignité le plus élevé du quatuor. Dans le cadre de cette approche, les deux CNN ont classé correctement 28 (47,5%) et 22 (37,3%) des 59 quatuors de base. La conclusion des auteurs de l’étude est, d’une part, que les réseaux neuronaux étudiés n’ont pas pu remplacer la stratégie de surveillance séquentielle pour la détection du mélanome et, d’autre part, que les dermatologues et les réseaux neuronaux semblent obtenir ensemble une meilleure performance diagnostique dans la détection séquentielle du mélanome [3].
Congrès : DDG compact et pratique
Littérature :
- Sies K : JDDG 2021 ; 19(6) : 842-851.
- Jutzi TB, Brinker TJ : Dtsch Arztebl 2020 ; 117(24) : [14]; DOI : 10.3238/PersDerma.2020.06.12.03
- Winkler J, et al. : Les réseaux neuronaux peuvent-ils remplacer la dermatoscopie numérique séquentielle chez les patients à haut risque ? Dermatologie compacte et pratique 18-20.02.2022, volume d’abstracts, P015.
DERMATOLOGIE PRATIQUE 2022 ; 32(3) : 38
