ScoreNet : un réseau de neurones interprétable pour transformer huit données de base en score de risque dans le mélanome avancé, entraîné sur cinq essais et validé sur deux autres
Une équipe réunie autour de la Food and Drug Administration (FDA) américaine a utilisé un réseau de neurones « interprétable » pour fabriquer un score de pronostic simple, une somme pondérée de huit données mesurées avant le traitement, chez des patients atteints de mélanome avancé. Le score a été construit sur 2 711 patients de cinq essais ayant servi à des autorisations de médicaments, puis validé sur deux autres essais, et il classe les patients en risque faible, modéré ou élevé de survie réduite. L'idée est séduisante parce qu'elle donne un outil utilisable au lit du patient ; reste à voir, dans le texte intégral que nous n'avons pas pu lire, de combien il fait mieux que les scores classiques.
Le contexte
Dans le mélanome avancé (non opérable ou métastatique), le pronostic varie énormément d'un patient à l'autre, y compris à traitement identique. Le clinicien dispose de marqueurs connus : le taux de LDH (lactate déshydrogénase, une enzyme dont l'élévation reflète en général une charge tumorale importante), l'indice de performance ECOG (une échelle de 0 à 5 qui décrit l'état général du patient), la présence de métastases hépatiques, ou encore l'expression de PD-L1 mesurée par immunohistochimie (une coloration qui indique si la tumeur exprime une protéine ciblée par certains traitements). Mais ces marqueurs sont le plus souvent évalués un par un, ou assemblés dans des modèles statistiques classiques.
Le problème est double. D'un côté, un modèle de deep learning (apprentissage profond) peut combiner beaucoup de variables, mais il se comporte comme une boîte noire que personne ne veut utiliser pour classer un patient. De l'autre, un score à points, de type « additionner quelques chiffres », est lisible mais souvent construit à la main ou par régression, avec des hypothèses fortes sur la forme des relations. ScoreNet cherche à tenir les deux bouts : laisser un réseau de neurones apprendre les poids, mais le contraindre à produire, au bout du compte, un score additif lisible.
La méthode
La tâche. Il s'agit d'une prédiction pronostique : à partir de variables mesurées avant le traitement, estimer le risque de décès (survie globale, OS) et de progression ou décès (survie sans progression, PFS), puis répartir les patients en trois groupes, risque faible, modéré et élevé.
Le modèle. ScoreNet est décrit comme un réseau de neurones « de bout en bout » et « interprétable ». Dans ce contexte, interprétable signifie que la sortie du réseau se réduit à une somme pondérée de variables d'entrée, que l'on peut ensuite convertir en points. Nous n'avons pu consulter que le résumé et les métadonnées de la version en accès anticipé : la profondeur du réseau, la manière dont les poids sont transformés en points, la fonction de perte pour les données de survie et le traitement des valeurs manquantes ne sont donc pas décrits ici.
Les données. L'entraînement utilise 2 711 patients atteints de mélanome avancé, issus de cinq essais cliniques qui ont servi à soutenir des autorisations de mise sur le marché. Ce sont des essais randomisés dont les patients sont sélectionnés par des critères d'inclusion stricts : c'est une population plus homogène et en meilleure forme que celle d'un service de routine. La validation est faite sur deux essais distincts. Les noms des essais, leurs effectifs respectifs et les dates ne figurent pas dans le résumé.
Les huit variables du score. Somme des plus grands diamètres des lésions cibles (une mesure standardisée de la charge tumorale sur l'imagerie), LDH, indice systémique d'immuno-inflammation (un rapport calculé à partir de cellules sanguines), hémoglobine, statut ECOG, métastase hépatique, fréquence du pouls, et statut PD-L1 en immunohistochimie.
Le comparateur. Le résumé n'en mentionne aucun. Nous ne savons donc pas si ScoreNet est comparé à un modèle de Cox (le modèle statistique de référence pour les données de survie), à un score existant ou à un réseau non contraint.
Les résultats
Métriques ML. Dans la version que nous avons pu lire, aucun indice de concordance (C-index, la probabilité que le modèle classe correctement deux patients selon leur survie), rapport de risque (hazard ratio), intervalle de confiance ni calibration n'est accessible. Nous ne les citons donc pas, et nous refusons de les deviner. Ce qui est établi : le score est une somme pondérée des huit variables, il sépare trois groupes de risque pour l'OS et la PFS, et la stratification s'applique, d'après les auteurs, à des patients traités par inhibiteurs de PD-1/PD-L1, chimiothérapie, inhibiteurs de CTLA-4, inhibiteurs de BRAF/MEK et leurs combinaisons.
Traduction clinique. Sans chiffres de survie par groupe, il est impossible de dire combien de patients sur 1 000 seraient reclassés à tort. On peut en revanche poser la question qui compte : la différence de survie entre le groupe à risque élevé et le groupe à risque faible est-elle assez grande pour modifier une décision (traitement, surveillance, inclusion dans un essai) ? C'est la valeur du score, et c'est ce que le texte intégral doit documenter.
Ce qui est bien
Un score lisible à huit variables. Tous les éléments sont des mesures de routine en oncologie (LDH, hémoglobine, pouls, ECOG, imagerie, PD-L1). Un clinicien peut vérifier le score à la main et contester une valeur, ce qui est impossible avec une boîte noire.
Des données d'essais de qualité réglementaire. Les cinq essais d'entraînement ont servi à des autorisations de médicaments : les mesures y sont recueillies selon un protocole, avec un suivi systématique des événements. C'est une base plus propre que des dossiers hospitaliers rétrospectifs.
Une validation sur deux essais distincts de l'entraînement. Valider sur des essais non utilisés pour l'apprentissage est une exigence minimale que beaucoup d'études de pronostic ne remplissent pas. Les auteurs déclarent en outre n'avoir aucun conflit d'intérêts et aucun financement spécifique, l'article étant publié en accès libre sous licence CC BY 4.0.
Ce qui est moins bien
Un biais de population lié aux essais. Les patients d'essais sont sélectionnés (état général conservé, bilans organiques corrects, pas de comorbidités lourdes). Un score entraîné là peut mal se comporter sur les patients de la vie réelle, plus âgés et plus fragiles, qui sont justement ceux pour qui l'on a le plus besoin d'aide à la décision. C'est la limite classique du passage de l'essai à la pratique.
Des traitements hétérogènes et une époque qui change. Le score est annoncé comme applicable à des patients traités par chimiothérapie, anti-CTLA-4, anti-PD-1 et thérapies ciblées, dans des essais conduits sur plusieurs années. Or la prise en charge a évolué : un score pronostique mélange facilement effet du traitement et effet de l'époque. Une validation sur des patients traités par les schémas d'immunothérapie actuels, y compris les associations récentes, est indispensable, et nous ne savons pas ce que couvrent les deux essais de validation.
Un comparateur et des métriques non visibles. En l'absence de comparaison à un modèle de Cox avec les mêmes huit variables, on ne sait pas ce qu'apporte le réseau de neurones lui-même par rapport à une régression classique. Si le gain est faible, l'argument de l'interprétabilité plaide plutôt pour la régression. La métrique à exiger est double : la discrimination (C-index) et la calibration, c'est-à-dire l'accord entre risque prédit et risque observé, souvent oubliée dans les scores à points.
Ce que ça change
Pour la communauté de recherche. Le papier illustre une voie utile : utiliser le deep learning pour apprendre les poids, puis rendre le résultat transparent. La suite logique est la comparaison systématique avec un modèle de Cox pénalisé et la publication du code et des poids, que nous n'avons pas trouvés mentionnés.
Pour les cliniciens. Rien ne change aujourd'hui : il s'agit d'un score pronostique rétrospectif, sans étude d'impact sur les décisions. Il peut en revanche servir à stratifier des patients dans la conception d'essais futurs, ce qui explique sans doute la présence de plusieurs services de la FDA parmi les affiliations.
Pour les patients et le public. Un score de pronostic n'est pas un verdict individuel : il décrit des groupes, avec une marge d'incertitude. Son intérêt est d'aider à parler du risque plus clairement, pas de décider à la place du patient et de son oncologue.
Pour aller plus loin
Article publié dans npj Digital Medicine : doi.org/10.1038/s41746-026-03379-7 (reçu le 15 novembre 2025, accepté le 27 septembre 2026, publié en ligne le 13 octobre 2026, version en accès anticipé, sujette à modification). Auteur de correspondance : Qi Liu (FDA, Center for Drug Evaluation and Research) ; premiers auteurs : Ruihao Huang, Hao Zhu, Yue Huang, Hanrui Zhang et Yuanfang Guan. Affiliations : divers centres de la FDA, University of Michigan Medical School et Stanford University. Aucun financement spécifique ni conflit d'intérêts déclaré.
Transparence éditoriale : cet article a été produit avec l'aide d'outils d'intelligence artificielle à partir de la page de l'article en accès anticipé (résumé et métadonnées) ; les sections Méthodes et Résultats n'ont pas pu être consultées, aucun résultat chiffré n'est donc cité et la version de la revue peut différer. Les versions anglaise, espagnole et chinoise sont des traductions automatiques.