Dépistage du cancer du poumon : LungAI affine la grille Lung-RADS sur l'essai NLST, mais sur une seule cohorte, un modèle fermé et une étude conduite par son éditeur

Une start-up américaine, Oatmeal Health, a testé son modèle d'apprentissage profond LungAI sur 2 747 scanners de dépistage du cancer du poumon issus de l'essai NLST, pour savoir s'il apporte une information que la grille Lung-RADS, fondée sur la taille et l'aspect des nodules, ne capture pas. Le modèle classe mieux les nodules malins que leur seule taille ou que le modèle public Sybil, et, combiné à Lung-RADS, il réduirait de moitié les cancers renvoyés à un contrôle dans un an. Le signal est sérieux, mais il repose sur une seule cohorte des années 2000, un modèle propriétaire dont les données d'entraînement ne sont pas décrites, et une étude financée, conçue et en partie annotée par l'entreprise elle-même.

Le contexte

Le dépistage du cancer du poumon par scanner faiblement dosé (LDCT) chez les gros fumeurs réduit la mortalité, mais trouve énormément de nodules, en grande majorité bénins. Pour décider quoi faire de chacun, les radiologues américains utilisent Lung-RADS, une grille publiée par l'American College of Radiology (version 2022). Elle range chaque examen dans une catégorie, de 2 (contrôle dans un an) à 4B/4X (bilan invasif, souvent biopsie), essentiellement selon la taille du nodule, son aspect (solide, partiellement solide, en verre dépoli) et son évolution.

Cette logique a un défaut connu : de petits cancers attendent douze mois, et de gros nodules bénins mènent à des biopsies inutiles. Plusieurs modèles d'IA estiment déjà le risque directement à partir de l'image, dont celui de Google (Ardila et al., Nature Medicine, 2019) et Sybil (MIT et Mass General, 2023), un modèle public qui prédit le risque de cancer à un à six ans. La question posée ici : l'IA ajoute-t-elle quelque chose à Lung-RADS, et que se passerait-il si on l'utilisait pour déplacer les patients d'un échelon de prise en charge ?

La méthode

LungAI est un modèle verrouillé (ses paramètres ne bougent plus pendant l'évaluation) d'aide au diagnostic, ou CADx. Il attribue à chaque nodule un score de 0 à 10, et à l'examen le score maximal de ses nodules. Les nodules ne sont pas détectés par LungAI mais par un logiciel tiers déjà autorisé par la FDA, aView LCS de Coreline, qui les mesure aussi et les apparie d'un examen à l'autre. L'article ne décrit ni l'architecture du réseau ni ses données d'entraînement : ni leur source, ni leur volume. Les auteurs affirment seulement que la partition de test utilisée n'a jamais servi au développement de LungAI ni de Sybil.

Cette partition, c'est le jeu de test de l'essai américain NLST défini par Ardila et al., le même que celui sur lequel Sybil a été publié. Sur 4 872 examens comportant au moins un nodule détecté, les auteurs excluent 164 examens où le nodule cancéreux n'était pas visible, 257 examens en coupes de plus de 2,5 mm, et 1 704 examens sans nodule solide ou partiellement solide de 4 à 30 mm. Il reste 2 747 examens chez 1 244 patients, dont 89 cancers confirmés par anatomopathologie, soit une prévalence de 3,2 %. La population est celle du NLST : âge médian 61 ans, 62 % d'hommes, 93,2 % de patients blancs, scanners de 2002 à 2004.

Les comparateurs sont le diamètre du nodule, son volume, et Sybil (risque à un an, l'horizon qui lui est le plus favorable). Pour comparer avec Lung-RADS, il fallait des catégories : un seul radiologue, aveugle au score LungAI et à l'issue, les a attribuées sur un sous-échantillon enrichi en cancers de 226 examens éligibles (78 cancers, 148 bénins). Comme ce sous-échantillon contient 87,6 % des cancers mais seulement 5,6 % des examens bénins, chaque examen bénin y « pèse » environ 18 examens de la cohorte complète. Les métriques principales sont l'AUROC (aire sous la courbe ROC, probabilité qu'un cancer reçoive un score plus élevé qu'un nodule bénin) et l'AUPRC (aire sous la courbe précision-rappel, plus exigeante quand les cancers sont rares : un modèle qui tire au hasard obtiendrait ici environ 0,03).

Enfin, un algorithme de reclassement déplace chaque patient d'un échelon, vers le haut ou vers le bas, sur l'échelle de prise en charge Lung-RADS (contrôle à 12 mois, à 6 mois, à 3 mois ou PET-scan, biopsie), selon des seuils de score fixés par catégorie.

Les résultats

En métriques ML, LungAI obtient une AUROC de 0,92 (intervalle de confiance à 95 % : 0,88-0,95) et une AUPRC de 0,47 (0,35-0,61). Sybil atteint 0,85 et 0,25, le diamètre 0,78 et 0,13, le volume 0,79 et 0,12 ; toutes les différences avec LungAI sont significatives. Face à Lung-RADS, sur le sous-échantillon pondéré, le tableau est plus nuancé : AUROC de 0,89 pour Lung-RADS, soit un écart de seulement 0,03 (-0,04 à 0,10), non significatif (p = 0,20) ; l'écart d'AUPRC, de 0,31, est en revanche significatif (p = 0,003). Ajouté à un modèle de diamètre, le score augmente l'AUROC de 0,10 : il ne se contente pas de mesurer la taille. La performance est plus faible pour les cancers de stade II et plus (AUROC 0,83, contre 0,95 pour le stade I). Aucune analyse de calibration n'est rapportée.

Traduction clinique, telle que projetée par les auteurs pour 1 000 examens avec nodule (environ 32 cancers) : avec Lung-RADS seul, 3,1 cancers seraient renvoyés à un contrôle dans un an ; avec LungAI, 1,6. Les cancers orientés directement vers un prélèvement passeraient de 18,3 à 23,9, et les biopsies chez des patients sans cancer de 32,7 à 26,2, soit 6,5 biopsies inutiles en moins, pour un nombre total de biopsies quasi inchangé (51,0 contre 50,1). En modélisation, à observance parfaite, cela représenterait un cumul de 25 mois d'avance diagnostique et environ 2 200 dollars d'économies pour 1 000 examens, soit à peine plus de 2 dollars par examen.

Ce qui est bien

Premièrement, un protocole d'évaluation lisible et comparable. Le modèle est verrouillé, la partition de test est celle déjà utilisée pour Sybil, et les auteurs suivent la grille de reporting STARD 2015. Le comparateur principal, Sybil, est public et relancé sur les mêmes examens, avec l'horizon qui lui est le plus favorable. Rapporter l'AUPRC à 3,2 % de prévalence est une bonne pratique trop rare.

Deuxièmement, une question clinique posée au bon endroit. Plutôt que de proposer un score de plus à côté de Lung-RADS, les auteurs l'insèrent dans l'échelle existante, en ne déplaçant les patients que d'un échelon, et ils traduisent les effets en cancers mis en attente et en biopsies évitées pour 1 000 examens. Une analyse de sensibilité qui fait varier tous les seuils d'un facteur 0,5 à 2 montre que le gain chez les cancers (indice net de reclassement entre +0,16 et +0,27) ne dépend pas d'un réglage fin.

Troisièmement, une transparence réelle sur les liens d'intérêts et les limites : participations au capital, rôle de conseiller rémunéré du radiologue annotateur, statut non autorisé de LungAI (dossier 510(k) en cours), caractère descriptif des analyses par stade.

Ce qui est moins bien

Premièrement, un biais de population difficile à contourner. Tout repose sur une seule cohorte, le NLST, avec des scanners vieux de plus de vingt ans, 93,2 % de patients blancs et seulement quatre cancers chez des patients non blancs, ce qui rend l'analyse par origine ininterprétable, comme le reconnaissent les auteurs. Les nodules en verre dépoli et les examens en coupes épaisses sont exclus, de même que 164 examens où le cancer n'était pas visible sur le scanner indexé.

Deuxièmement, une métrique fragile derrière les chiffres les plus parlants. La comparaison avec Lung-RADS et tout le reclassement reposent sur 148 examens bénins annotés, chacun pondéré par environ 18. Selon notre calcul, un examen bénin pèse ainsi environ 6,5 examens pour 1 000 : la baisse de 32,7 à 26,2 biopsies inutiles, présentée comme une réduction de 20 %, correspond donc à peu près au déplacement net d'un seul examen bénin annoté. Par ailleurs, les seuils dits « fixés a priori » ont été choisis pour correspondre à la performance de Lung-RADS estimée sur ce même sous-échantillon, tiré de la partition de test. Cela affaiblit l'indépendance de l'évaluation. Enfin, l'écart d'AUROC avec Lung-RADS n'est pas significatif.

Troisièmement, des conflits d'intérêts structurels et un modèle invérifiable. L'étude est financée par Oatmeal Health, dont des employés ont conçu l'analyse, interprété les résultats et décidé de la publication ; sept auteurs détiennent des parts de l'entreprise. Le seul radiologue qui a attribué les catégories Lung-RADS, référence de comparaison, est conseiller rémunéré de la société. Le modèle est propriétaire, ses données d'entraînement ne sont pas décrites et le code d'analyse n'est disponible que « sur demande raisonnable ». Impossible, dans ces conditions, d'exclure un data leakage indirect, par exemple d'autres examens des mêmes patients NLST utilisés à l'entraînement, ou de reproduire les résultats.

Ce que ça change

Pour la communauté de recherche : ce travail propose un cadre utile, mesurer l'apport d'un modèle non pas en AUROC brute mais en déplacement de patients sur une échelle de prise en charge existante. La suite logique est une validation externe sur des cohortes de dépistage récentes et diversifiées, avec plusieurs lecteurs indépendants pour Lung-RADS et un accès au modèle pour des équipes sans lien avec l'entreprise.

Pour les cliniciens : rien ne change aujourd'hui, le dispositif n'est pas autorisé. Le message à retenir est plutôt que, au sein d'une même catégorie Lung-RADS, le risque réel varie fortement : en catégorie 4A, la proportion de cancers va de 1,0 % sous le seuil bas de LungAI à 46,2 % au-dessus du seuil haut. Si ce gradient se confirme ailleurs, un tel score pourrait aider à trier les nodules intermédiaires.

Pour les patients et le grand public : l'enjeu est concret, mais les gains annoncés sont modestes en valeur absolue (environ 1,5 cancer de moins mis en attente pour 1 000 examens avec nodule) et reposent sur des projections. Un score d'IA présenté comme « biomarqueur » doit encore faire ses preuves hors de la cohorte où il a été évalué par son propre éditeur.

Pour aller plus loin

Le préprint : LungAI: An AI Biomarker that Refines Lung-RADS v2022 Triage of Screen-Detected Pulmonary Nodules, Suri et al., medRxiv, mis en ligne le 10 novembre 2026, DOI 10.64898/2026.11.09.26367662. Non relu par les pairs.

Sybil : Mikhael et al., Journal of Clinical Oncology, 2023 (code public). Partition de test NLST : Ardila et al., Nature Medicine, 2019. Données NLST : Cancer Data Access System du National Cancer Institute. Grille Lung-RADS v2022 : American College of Radiology.

Mention de transparence éditoriale : cet article a été produit par la chaîne éditoriale automatisée de Tatakoto à partir de la version 1 du préprint ; les annexes (tableaux et figures supplémentaires) n'ont pas pu être consultées. Le calcul du poids d'un examen bénin pour 1 000 examens est le nôtre, à partir des pondérations publiées. Les versions anglaise, espagnole et chinoise sont générées par IA. Une erreur ? Contactez-nous.