Cancers multiples : un panel de quatre métabolites urinaires et plasmatiques, lu par un modèle sans étiquettes, atteint 0,925 d'AUC — mais 6,7 % de valeur prédictive positive à 0,5 % de prévalence
Une équipe de l'Institut national du cancer américain (NCI) a mesuré quatre métabolites dans l'urine et le plasma de 4 105 personnes, puis appliqué un algorithme de regroupement qui n'utilise aucune étiquette « malade / sain » pour séparer les cas de huit cancers des témoins : AUC de 0,925, contre 0,991 pour une forêt aléatoire supervisée. Le signal est réel et le procédé méthodologiquement élégant. Mais c'est un preprint, une étude cas-témoins interne, et à une prévalence réaliste de 0,5 %, la valeur prédictive positive tombe à 6,7 % : les auteurs eux-mêmes écrivent que le panel n'est pas adapté au dépistage de population.
Le contexte
Les tests sanguins « multi-cancers » sont l'un des sujets les plus débattus de la détection précoce : un seul prélèvement, plusieurs cancers recherchés. La difficulté est connue. Un test utile en dépistage doit avoir une spécificité (capacité à ne pas alarmer les personnes saines) très élevée, car les cancers sont rares dans la population générale ; et les modèles supervisés, entraînés avec des étiquettes cas/témoins, risquent de mémoriser les particularités de leurs cohortes plutôt que la biologie.
Cette étude, déposée le 14 octobre 2026 sur medRxiv, cherche à contourner une partie du problème. Elle part d'un panel étroit de quatre métabolites mesurables dans l'urine ou le plasma, déjà étudiés par le laboratoire de carcinogenèse humaine du NCI, et se demande : si l'on n'utilise aucune étiquette pour construire le modèle, que reste-t-il du signal ?
La méthode
Les données. 4 225 échantillons (3 875 d'urine, 350 de plasma) provenant de 4 105 individus, répartis sur six cohortes : 2 555 échantillons de cas (prostate 1 011, poumon 661, foie 287, sein 233, côlon 215, mésothéliome 93, glioblastome 30, pancréas 25) et 1 670 témoins. Tous les prélèvements ont été faits au moment du diagnostic ou à proximité. Les auteurs ne disposent pas d'information sur les maladies bénignes ou les comorbidités des témoins.
Les mesures. Quatre métabolites sont dosés par spectrométrie de masse en tandem (UPLC-MS/MS, une technique qui sépare puis identifie les molécules par leur masse) : la créatine riboside, l'acide N-acétylneuraminique (NANA), le sulfate de cortisol et un glucuronide de stérol. Les concentrations sont passées en logarithme puis centrées-réduites (scores Z) au sein de chaque type d'échantillon ; un « score combiné » est la moyenne des scores Z disponibles, sans imputation des valeurs manquantes (toutes les analytes ne sont pas mesurées dans toutes les cohortes).
Le modèle supervisé. Huit algorithmes classiques sont comparés (régression logistique, elastic net, forêt aléatoire, gradient boosting, SVM, perceptron multicouche, naïf bayésien, ensemble empilé), avec validation croisée en cinq plis groupée par individu. La forêt aléatoire (random forest, un ensemble d'arbres de décision qui votent) sert de référence.
Le modèle « sans étiquettes ». Un modèle de mélange gaussien (GMM, qui suppose que les données viennent de plusieurs « nuages » statistiques et les retrouve seul) est ajusté sur le score combiné de tous les échantillons mélangés. Les composantes dont la moyenne dépasse la médiane sont déclarées « élevées » ; le score de risque est la probabilité d'appartenir à l'une d'elles, avec un seuil à 0,5. Les étiquettes ne servent qu'une fois, après figeage du modèle, pour calculer les performances. Les auteurs ajoutent des comparateurs non supervisés (k-means, classification hiérarchique, PAM), un modèle à étiquetage partiel, des analyses de confusion, de survie et de prédiction conforme.
Les résultats
Métriques ML. La forêt aléatoire atteint une AUC de 0,991 (IC 95 % : 0,989–0,993) ; le modèle sans étiquettes, 0,925 (0,917–0,934), soit environ 93 % de la performance supervisée. (L'AUC est la probabilité que le modèle attribue un score plus élevé à un cas qu'à un témoin tiré au hasard ; 0,5 correspond au hasard.) Selon les tableaux, le modèle sans étiquettes présente une sensibilité de 0,827 et une spécificité de 0,941. La discrimination varie de 0,996 (mésothéliome) à 0,707 (foie). Deux analytes suffisent en moyenne à atteindre une AUC de 0,948 ; le sulfate de cortisol seul donne 0,963. Parmi les cas, un score élevé est associé à une survie plus courte (hazard ratio de 1,33 par écart-type, IC 95 % 1,24–1,42).
Traduction clinique. À la prévalence de l'étude (environ 60 % de cas, un artefact du design cas-témoins), sur 1 000 échantillons, le modèle détecterait environ 500 des 605 cas, en manquerait 105 et classerait à tort 23 témoins sur 395. À une prévalence de dépistage de 0,5 % (hypothèse des auteurs), le tableau est tout autre : sur 1 000 personnes testées, environ 4 cancers sur 5 seraient détectés, 1 manqué, mais environ 59 personnes saines recevraient un résultat positif (calculs de la rédaction à partir de la sensibilité et de la spécificité). Les auteurs rapportent une valeur prédictive positive de 6,7 % : environ 67 cancers pour 1 000 résultats positifs, soit 14 à 15 bilans pour un cancer trouvé. La valeur prédictive négative, 0,999, est excellente mais mécaniquement tirée par la rareté de la maladie.
Ce qui est bien
Une construction sans fuite d'étiquettes. La normalisation, l'ajustement et le seuil du modèle de mélange n'utilisent aucun label : les performances sont calculées après coup. C'est une manière honnête de répondre à la critique du surapprentissage, et elle donne une borne inférieure plus crédible que les 0,991 de la forêt aléatoire.
Des contrôles contre les artefacts. Les auteurs testent si le simple motif de valeurs manquantes (qui reflète la cohorte d'origine) permet de deviner le type de cancer : un modèle n'utilisant que ce motif atteint une exactitude équilibrée de 0,448 sur huit types, au-dessus du hasard (0,125), ce qui montre que le risque est réel, et ils le rapportent. Ils réalisent aussi une analyse d'ajustement sur âge, sexe, origine et tabagisme (AUC 0,932) et un calcul d'E-value (11,7).
Une communication correcte du risque. La prédiction conforme (une méthode qui permet au modèle de répondre « incertain » plutôt que de trancher) identifie 7 % de résultats incertains à 10 % d'erreur, concentrés sur le foie (45 %) et le sein (27 %). Le rapport suit TRIPOD+AI, les financements sont publics (NIH intramural), et les données sont accessibles sur demande.
Ce qui est moins bien
Un design cas-témoins sans validation externe (biais de spectre, biais de population). Les cas sont des cancers diagnostiqués, souvent avancés, comparés à des témoins dont on ignore les maladies bénignes. Ce design gonfle presque toujours les performances, comme les auteurs l'admettent. Il n'existe aucune validation sur une cohorte indépendante ni sur une autre plateforme de mesure : la généralisation est inconnue.
Des cohortes confondues avec le diagnostic (shortcut learning). Les témoins viennent de trois sources, les cas de six ; certains cancers (le sein) ne sont mesurés qu'en plasma et sur deux analytes, le pancréas provient d'une biobanque commerciale. Dans un tel montage, le modèle peut apprendre « d'où vient l'échantillon » au lieu de « qui est malade ». Le test du motif de valeurs manquantes réduit ce risque sans l'éliminer, et l'identification du tissu d'origine (exactitude équilibrée 0,56 pour le modèle sans étiquettes) reste faible.
Des chiffres qui ne se recoupent pas parfaitement (métrique trompeuse). L'AUC du score combiné est de 0,922, 0,961 ou 0,907 selon l'analyse ; l'exactitude de l'identification d'organe est de 0,847 dans le texte et de 0,883 dans le tableau ; la projection pour 100 000 personnes implique une valeur prédictive positive d'environ 7,5 %, pas 6,7 %. Ces écarts s'expliquent sans doute par des sous-ensembles différents, mais le papier ne l'explique pas toujours. S'y ajoutent des petits effectifs (glioblastome 30, pancréas 25) et un conflit d'intérêts déclaré : des éléments du dosage relèvent d'un transfert de technologie du NCI.
Ce que ça change
Pour la communauté de recherche. Le papier propose un protocole utile : établir d'abord ce qu'un modèle non supervisé trouve avant d'entraîner un classifieur lourd. La suite logique est une cohorte prospective, avec prélèvements avant diagnostic, témoins présentant des pathologies bénignes, et un modèle figé avant le test.
Pour les cliniciens. Rien ne change aujourd'hui. C'est un preprint non relu par des pairs, qui se déclare lui-même impropre à guider la pratique clinique. L'enseignement est ailleurs : un test performant en cas-témoins peut rester inutilisable en dépistage, parce que la prévalence décide de la valeur prédictive.
Pour les patients et le public. Un test urinaire multi-cancers n'est pas disponible et ne devrait pas être cherché sur la base de ce travail. Retenons le raisonnement : face à toute annonce d'AUC de 0,9 ou plus, demandez quelle part des personnes testées positives est réellement malade.
Pour aller plus loin
Preprint : Patel D.P. et al., « Label-free machine learning detects a multi-cancer signal in a noninvasive urine and plasma metabolite panel: a case–control study », medRxiv, 14 octobre 2026 (DOI 10.64898/2026.10.13.26365440). Auteurs : Daxesh P. Patel, Curtis C. Harris, Frank J. Gonzalez et collègues, National Cancer Institute, NIH (Bethesda), avec l'Université du Colorado Anschutz et Georgetown. Données sur demande (accord d'utilisation NCI) ; code annoncé sur Zenodo à l'acceptation. Financement : programme intramural du NIH/NCI (ZIA BC 011492).
Transparence éditoriale : cet article a été produit avec l'aide d'outils d'intelligence artificielle à partir du texte du preprint ; les chiffres proviennent du papier, hormis les conversions pour 1 000 personnes, calculées par la rédaction. Les versions anglaise, espagnole et chinoise sont des traductions automatiques.