Topologie et transformer de vision pour classer les tumeurs cérébrales : que vaut une exactitude de 99,1 % sur une seule base d'IRM ? (Ahmed 2026, arXiv)
Faisal Ahmed (Embry-Riddle Aeronautical University, Arizona) dépose le 30 mai 2026 sur arXiv un modèle qui fusionne un transformer de vision et l'analyse topologique des données pour trier des IRM cérébrales en quatre catégories — gliome, méningiome, tumeur de l'hypophyse, absence de tumeur. Il rapporte 99,10 % d'exactitude et une AUC de 99,98 % sur le benchmark public BRISC2025. Le résultat est propre et l'idée méthodologique intéressante, mais le gain sur les modèles existants tient dans le bruit, l'évaluation repose sur une seule base au découpage image par image qui n'écarte pas la fuite de données, et le jeu de test sert aussi à choisir le modèle — un rappel classique qu'un score quasi parfait n'est pas un outil cliniquement validé.
Le contexte
Classer automatiquement une IRM cérébrale — y a-t-il une tumeur, et si oui laquelle ? — est l'une des tâches d'imagerie médicale les plus travaillées par l'IA. Depuis quelques années, les transformers de vision (ou vision transformers, abrégés ViT : des réseaux qui découpent l'image en petites tuiles et apprennent les relations entre toutes ces tuiles, plutôt que de balayer l'image avec des filtres locaux comme le faisaient les réseaux convolutifs classiques) y dominent les classements. Sur les bases publiques de référence, les meilleurs modèles plafonnent désormais autour de 98-99 % d'exactitude.
L'auteur part d'une intuition légitime : un ViT capture surtout le contexte global d'une image, mais pas explicitement sa forme ni sa structure — la connexité des régions, la présence de cavités, la manière dont les intensités s'organisent géométriquement. Or une tumeur a une signature morphologique. L'idée est donc d'ajouter au ViT une description issue de l'analyse topologique des données (TDA), une branche des mathématiques appliquées qui quantifie la « forme » d'un objet, et de voir si ce signal complémentaire améliore la classification.
La méthode
Le travail est un preprint arXiv (2606.00927, déposé le 30 mai 2026, 21 pages, sous licence CC BY 4.0, non encore relu par les pairs). La tâche est une classification à quatre classes : gliome, méningiome, tumeur hypophysaire et absence de tumeur.
Le modèle a deux branches. La première est un ViT-Base (tuiles de 16 pixels, entrée 224×224) pré-entraîné sur ImageNet, une grande base d'images naturelles ; il produit pour chaque IRM un vecteur de 768 nombres résumant son contenu. La seconde branche calcule l'homologie persistante de l'image : concrètement, on balaie les intensités de pixels du plus sombre au plus clair et on note à quels seuils des composantes connexes apparaissent puis disparaissent, et à quels seuils des « trous » se forment. On résume cela par des courbes de Betti (le nombre de composantes et de trous à chaque seuil), condensées en un vecteur de 198 nombres, lui-même réduit à 64 par un petit réseau. Les deux descriptions — 768 venant du ViT, 64 venant de la topologie — sont simplement concaténées (832 nombres) puis envoyées à un classifieur final qui choisit l'une des quatre catégories.
Les données proviennent de BRISC2025, une base publique de 6 000 IRM cérébrales pondérées en T1 avec injection de produit de contraste, annotées par des radiologues. L'auteur utilise le découpage officiel : 5 000 images pour l'entraînement, 1 000 pour le test. Détail qui aura son importance : ce découpage se fait image par image, et le papier ne rapporte à aucun moment le nombre de patients distincts. Aucune augmentation de données n'est utilisée, aucune validation croisée, et l'ensemble a été entraîné sur un simple ordinateur portable Apple M1 sans carte graphique dédiée.
Les résultats
Sur les 1 000 images de test, le modèle fusionné atteint 99,10 % d'exactitude, une précision de 99,27 %, un rappel de 99,15 %, un F1 de 99,21 % et une AUC de 99,98 % (l'AUC, aire sous la courbe ROC, mesure la capacité à séparer les classes : 100 % serait une séparation parfaite ; les valeurs de précision, rappel et F1 sont des moyennes sur les quatre classes). C'est, sur le papier, quasi parfait.
Le problème est ce à quoi on le compare. Le même ViT seul, sans la branche topologique, obtient déjà 98,90 % d'exactitude et 99,97 % d'AUC ; les features topologiques seules, classées par un algorithme d'arbres (XGBoost), atteignent 98,19 %. Les autres références citées — ResNet50, ResNet101, EfficientNetB2 — sont entre 98,1 et 98,4 %. Autrement dit, l'apport propre de la fusion est de l'ordre de +0,2 point d'exactitude et +0,01 point d'AUC sur un comparateur déjà à 98,9 %. Aucun intervalle de confiance, aucun test de significativité, aucune répétition sur plusieurs découpages ne vient étayer que cet écart est réel plutôt qu'un effet du hasard d'un unique tirage.
Traduction clinique. Il faut être direct : ces chiffres ne se traduisent en rien de clinique. 99,1 % sur 1 000 images représente environ neuf images mal classées — mais ce sont des images, pas des patients, et la classe « absence de tumeur » ne compte que 140 images de test, si bien qu'une poignée d'erreurs y déplacerait fortement les taux. Surtout, trier en quatre grandes catégories une IRM déjà acquise et cadrée n'est pas la tâche du radiologue, qui doit détecter, localiser, grader, mesurer et décider d'une conduite. Aucune sensibilité ni spécificité de dépistage, aucune comparaison à un clinicien, aucune mesure sur un critère de soin ne figurent dans l'étude.
Ce qui est bien
Une idée méthodologique propre, et une ablation qui la soutient. Coupler une description explicite de la forme (homologie persistante) à des features profondes est une piste légitime et bien posée. Le point le plus convaincant n'est pas le score final mais l'ablation : les seules features topologiques, sans aucun réseau profond, classent déjà à 98,19 %. Cela montre que la topologie de l'image porte un vrai signal discriminant — un résultat intéressant en soi, indépendamment de la fusion.
Un coût de calcul minimal, entièrement reproductible. L'entraînement tient sur un ordinateur portable Apple M1, sans augmentation de données ni GPU dédié. C'est l'exact opposé des modèles qui n'atteignent leurs scores qu'au prix de fermes de calcul : ici, rien ne dépend d'une infrastructure massive, ce qui rend le résultat facile à reproduire et à contester. Les données sont publiques et le papier est sous licence ouverte CC BY 4.0.
Une transparence partielle sur les limites. L'auteur reconnaît explicitement que l'évaluation se limite à une seule base et qu'une validation sur des jeux externes, dans d'autres conditions d'acquisition et d'autres contextes cliniques, reste nécessaire avant de parler de généralisation. C'est exactement la précaution qu'omettent la plupart des annonces tapageuses.
Ce qui est moins bien
Un comparateur saturé et une métrique trompeuse. Quand le comparateur — le ViT seul — est déjà à 98,9 %, il ne reste presque plus d'espace pour démontrer une amélioration. Un gain de 0,2 point sur un seul découpage, sans intervalle de confiance ni test statistique, est dans le bruit : on ne peut pas distinguer une vraie avancée d'une fluctuation d'échantillonnage. Sur un benchmark aussi saturé, le bon réflexe est de répéter l'expérience sur plusieurs découpages et de rapporter une dispersion ; rien de tel ici.
Une fuite de données non écartée, et un test qui sert aussi de validation. Le découpage est fait image par image et le nombre de patients n'est jamais donné. Or les bases d'IRM contiennent souvent plusieurs coupes d'un même patient : si certaines atterrissent dans l'entraînement et d'autres dans le test, le modèle reconnaît le patient plutôt que la pathologie — c'est la fuite de données (data leakage), et elle gonfle artificiellement les scores. Le papier ne contrôle pas ce point. Pire, le jeu de test sert aussi à l'arrêt anticipé de l'entraînement (le meilleur modèle est retenu d'après sa performance sur le test) : le 99,1 % est donc mesuré sur des données qui ont participé au choix du modèle, et non sur un ensemble réellement mis de côté.
Aucune validation externe, aucune traduction clinique, code non partagé. Tout repose sur une seule base, une seule séquence d'IRM (T1 injectée), un seul découpage. On ignore ce que ferait le modèle sur un autre scanner, un autre hôpital, une autre population — c'est le biais de population classique, jamais testé ici. La tâche elle-même reste académique : quatre catégories larges sur des images pré-sélectionnées, loin du flux réel d'un service de radiologie. Enfin, malgré la mention d'un code « préparé », aucun dépôt GitHub ou Hugging Face n'est fourni, ce qui limite la vérifiabilité.
Ce que ça change
Pour la communauté de recherche. Le signal le plus utile est l'ablation topologique : l'homologie persistante capte à elle seule l'essentiel de l'information sur ce jeu de données. Cela invite à tester la fusion topologie + apprentissage profond là où elle pourrait vraiment compter — sur des bases non saturées, avec un découpage au niveau du patient et une validation externe — plutôt qu'à grappiller des dixièmes de point sur un benchmark déjà résolu. La même logique avait été discutée pour les modèles de fondation en radiographie dans notre décryptage de SkelEx.
Pour les cliniciens. Rien ne change aujourd'hui. 99 % sur un benchmark propre n'est pas une performance en conditions réelles, et la question cliniquement pertinente n'est pas « gliome, méningiome, hypophyse ou rien ? » sur une coupe choisie. Le fossé entre un score de classement et un outil utilisable reste entier.
Pour les patients et le grand public. C'est le bon moment pour s'entraîner à la méfiance : une annonce du type « une IA classe les tumeurs du cerveau avec 99 % de précision » décrit presque toujours un score sur une base de test soignée, pas ce qui se passerait sur votre IRM. Le chiffre n'est pas faux ; il ne veut simplement pas dire ce qu'on croit qu'il veut dire. Nous faisions la même mise en garde à propos des formats de réponse des modèles de langage en radiologie dans notre décryptage sur GPT-4 et la radiologie.
Pour aller plus loin
Le preprint : Bridging Topology and Deep Representation Learning (arXiv:2606.00927), DOI 10.48550/arXiv.2606.00927. Pour comprendre l'outil mathématique mobilisé, voir l'homologie persistante. Le jeu de données BRISC2025 est public. Aucun code ni poids n'a été publié à ce jour.