Diagnostiquer la leucémie aiguë myéloïde au myélogramme : un pipeline « cellule-à-patient » qui contourne le comptage des blastes (arXiv, 2026)

Déposé le 9 juin 2026 sur arXiv, ce preprint propose un pipeline de deep learning qui lit un frottis de moelle osseuse cellule par cellule, puis agrège ces centaines d'observations en un score par patient pour aider au diagnostic de leucémie aiguë myéloïde (LAM). Entraîné et validé sur 258 patients issus de six centres — dont 89 réservés à une validation externe —, il maintient un F1 pondéré de 0,87 à 0,91 sur trois centres jamais vus à l'entraînement. Le travail s'attaque au bon maillon, celui du passage de la cellule au patient que la plupart des études ignorent, et le teste honnêtement hors de son terrain. Mais la cible que le modèle apprend est une catégorie morphologique composite, explicitement distincte du blaste leucémique, et le preprint ne rapporte aucune sensibilité ni spécificité diagnostique au niveau du patient, aucun code, aucune comparaison à un cytologiste humain.

Le contexte

La leucémie aiguë myéloïde est un cancer du sang dans lequel des cellules immatures de la lignée myéloïde, les blastes, envahissent la moelle osseuse et empêchent la production normale de globules. Son diagnostic repose historiquement sur le myélogramme : un frottis de moelle osseuse étalé sur lame, coloré, puis examiné au microscope par un cytologiste qui identifie, compte et classe des centaines de cellules pour estimer notamment le pourcentage de blastes. Les classifications de référence (OMS, ICC) retiennent classiquement un seuil autour de 20 % de blastes — modulé par la génétique — pour poser le diagnostic.

Ce comptage manuel est lent, fatigant et sujet à une variabilité notable entre observateurs. D'où une longue lignée de travaux d'IA qui apprennent à classer une cellule isolée de moelle à partir de jeux de données publics. Le problème, c'est que classer correctement une cellule ne dit pas comment diagnostiquer un patient : il faut agréger des centaines de verdicts cellulaires en une décision unique, et le faire sur des lames provenant d'autres hôpitaux, d'autres colorations, d'autres microscopes. C'est précisément ce maillon — le passage cellule-à-patient et sa généralisation — que ce preprint cherche à traiter de bout en bout.

La méthode

Le travail, signé par Yuqi Ma, Tianyi Wang, Xiaodong Mo, Gen Yang et leurs collègues, rassemble 258 patients de six centres anonymisés : une cohorte principale de 169 patients (centres 1 à 3) pour le développement, et une cohorte de validation externe de 89 patients (centres 4 à 6) jamais vue à l'entraînement. Les cellules sont décrites par un vocabulaire d'annotation de 16 catégories couvrant les grandes lignées (granulocytaire, monocytaire, érythroïde, lymphoïde, éosinophile, etc.).

Choix central et discutable : plutôt que de viser le blaste leucémique au sens diagnostique strict — difficile à annoter de manière reproductible —, les auteurs définissent une cible composite, les CBLC (Composite Blast-like Cells, « cellules d'allure blastique »), un regroupement de huit types morphologiques (N, N1, M, M1, R, R1, J, J1) selon un standard interne au projet. Le modèle apprend donc à repérer des cellules ressemblant à des blastes, pas le blaste défini par les critères cliniques.

Le pipeline est en deux temps. D'abord un module de segmentation YOLO (« You Only Look Once », une famille de réseaux qui localisent des objets dans une image en une seule passe), figé, détecte les cellules ; ses contours prédits sont appariés aux polygones tracés par les experts via une IoU de contour (l'Intersection over Union mesure le recouvrement entre deux formes, de 0 à 1), puis des vignettes mono-cellule standardisées sont découpées. Ensuite un classifieur EfficientNet-B0 (un réseau de convolution compact et économe) attribue une catégorie à chaque vignette. Son entraînement suit une stratégie en deux étapes, GT-to-YOLO puis YOLO-to-YOLO : le classifieur est d'abord appris sur des découpes issues de la vérité-terrain experte (ground truth), puis ré-adapté sur les découpes réellement produites par YOLO — afin de coller aux conditions d'inférence et non à des cellules parfaitement détourées. S'y ajoutent une correction du déséquilibre de classes, une régularisation « center-border » (pénaliser ce qui dépend des bords plutôt que du centre de la cellule) et une supervision assistée par la morphologie. Les verdicts cellulaires sont enfin agrégés en un ratio de CBLC par patient, qui sert de support au diagnostic orienté LAM.

Les résultats

Sur la validation externe, le pipeline (en ensemble) atteint un F1 pondéré de 0,9076 au centre 4, 0,8696 au centre 5 et 0,9124 au centre 6. Le F1 est la moyenne harmonique de la précision et du rappel ; « pondéré » signifie que chaque catégorie pèse proportionnellement à son effectif. La validation interne est décrite comme « stable », sans chiffre détaillé dans le résumé. La performance se maintient donc à un niveau comparable sur trois centres non vus, ce qui est l'argument fort du papier.

Traduction clinique : ce que ces chiffres mesurent, c'est la qualité du tri cellulaire — la capacité à étiqueter correctement les cellules d'une lame, centre par centre. Ils ne disent rien, en l'état, de la performance diagnostique finale : le résumé ne rapporte ni sensibilité, ni spécificité, ni valeur prédictive au niveau du patient, ni le seuil de ratio CBLC qui ferait basculer un patient vers « LAM probable ». On sait donc trier les cellules ; on ignore encore avec quelle fiabilité on diagnostiquerait un malade.

Ce qui est bien

Le bon problème, attaqué de bout en bout. Là où la majorité des travaux s'arrêtent à la classification d'une cellule isolée, ce pipeline traite explicitement l'agrégation cellule-à-patient et construit un score par malade. C'est le maillon réellement utile, et trop souvent escamoté, entre une démonstration de laboratoire et un outil d'aide au diagnostic.

Une validation externe dès le preprint. Réserver 89 patients de trois centres entièrement distincts, et y maintenir un F1 pondéré autour de 0,87–0,91, est plus exigeant qu'une simple validation croisée interne. C'est exactement la précaution qui manque à beaucoup de publications du domaine, et elle rend le signal de généralisation crédible.

Un entraînement réaliste face au décalage d'inférence. La stratégie YOLO-to-YOLO, qui ré-entraîne le classifieur sur les découpes imparfaites réellement produites par le détecteur plutôt que sur des cellules parfaitement détourées, anticipe la dégradation en conditions réelles. C'est une hygiène méthodologique qui distingue un prototype optimiste d'un système pensé pour fonctionner hors du banc d'essai.

Ce qui est moins bien

Une cible qui est un proxy, pas le diagnostic (mode d'échec : la définition de tâche trompeuse). Les CBLC sont une catégorie composite « d'allure blastique », définie par le projet et explicitement séparée du blaste leucémique. Or le diagnostic de LAM repose sur un pourcentage de blastes et sur la génétique. Mesurer un ratio de CBLC n'est pas mesurer un diagnostic, et le lien entre ce ratio et la décision clinique — quel seuil, pour quelle sensibilité — n'est pas validé ici.

Des métriques au niveau de la cellule, pas du patient (mode d'échec : la métrique trompeuse). Le seul chiffre publié est un F1 pondéré par cellule. Un tel F1 est dominé par les classes abondantes — les cellules normales —, si bien qu'il peut rester élevé alors même que la détection des CBLC, rares et décisives, est médiocre. Aucune sensibilité ni spécificité au niveau patient, aucune courbe ROC, et surtout aucune comparaison à un cytologiste humain : on ne sait donc pas si l'outil ferait mieux, aussi bien ou moins bien qu'un expert.

Reproductibilité et représentativité incertaines (modes d'échec : reproductibilité et biais de population). Aucun code ni poids n'est publié, et la licence CC BY-NC-ND 4.0 (usage non commercial, pas de dérivés) interdit de fait l'exploitation et l'extension. Les données proviennent de « centres anonymisés » non publics, sur un petit effectif (258 patients, 89 en externe). Rien n'est dit de la diversité des protocoles de coloration ou des microscopes — un terrain classique de shortcut learning, où le modèle apprend la signature d'une coloration plutôt que la biologie de la cellule. Enfin, le résumé ne mentionne ni financement ni conflits d'intérêts.

Ce que ça change

Pour la communauté de recherche, le message est double : le passage cellule-à-patient mérite d'être traité comme un problème de plein droit, et la validation externe devrait être la norme dès le preprint, pas une rallonge ultérieure. L'idée d'une cible composite robuste (les CBLC) plutôt que le blaste strict, difficile à annoter, est réutilisable pour contourner la rareté et l'ambiguïté des annotations — à condition d'en mesurer ensuite la valeur diagnostique réelle.

Pour les cliniciens, rien ne change au laboratoire aujourd'hui. C'est un preprint non encore relu par les pairs, sans métrique diagnostique au niveau patient et sans comparaison aux cytologistes. Le réflexe utile, devant ce type d'outil, est de réclamer la sensibilité et la spécificité par patient et le seuil de décision retenu, pas un F1 cellulaire qui flatte les apparences.

Pour les patients et le grand public, l'enseignement est mesuré : l'automatisation du myélogramme progresse réellement, mais « bien classer les cellules » n'est pas encore « bien diagnostiquer la leucémie ». La promesse d'un second lecteur numérique, rapide et constant, reste crédible ; sa valeur se jugera sur des études qui mesurent le diagnostic posé, et non la seule qualité du tri.

Pour aller plus loin

Le preprint complet est disponible sur arXiv:2606.10735 (DOI 10.48550/arXiv.2606.10735), déposé le 9 juin 2026, sous licence CC BY-NC-ND 4.0, classé en cs.CV et physics.med-ph, avec quatre figures. Pour le cadre diagnostique de la LAM et le rôle du pourcentage de blastes, les critères de la classification OMS des tumeurs hématopoïétiques et de l'International Consensus Classification (ICC) restent la référence ; pour la classification cellulaire de moelle par IA, les jeux de données publics de cytologie médullaire (Matek et collègues) offrent un point de comparaison.