L'IA aide le personnel des essais cliniques en oncologie à identifier plus uniformément les effets secondaires de l'immunothérapie

Les inhibiteurs de points de contrôle immunitaires peuvent aider à traiter le cancer, mais ils peuvent aussi déclencher des réactions immunitaires qui endommagent les tissus sains. Repérer ces complications dans les dossiers médicaux prend du temps et peut varier d'un évaluateur à l'autre. Cette étude a testé si un assistant d'intelligence artificielle pouvait aider le personnel clinique à documenter ces réactions de façon plus efficace et plus cohérente, sans remplacer la vérification humaine.

Les chercheurs ont développé un système qui analysait les notes cliniques à la recherche de six types de réactions immunitaires. Il extrayait si un événement s'était produit, à quel moment, sa gravité, sa relation probable avec le traitement et le degré de certitude de cette évaluation. L'évaluation comprenait des tests rétrospectifs, trois mois de surveillance prospective sans influence sur les soins, et une étude croisée randomisée impliquant le personnel d'essais cliniques.

Lors des tests rétrospectifs, le système a obtenu un score F1 de 0,92 pour la détection des événements en cours et de 0,66 pour l'attribution de la gravité. Le score F1 résume l'équilibre entre la détection des événements et l'évitement des fausses alertes ; il ne s'agit pas d'un pourcentage d'exactitude. Pendant la surveillance prospective, les scores F1 de détection se situaient entre 0,72 et 0,79, soit en dessous du résultat rétrospectif.

Avec l'aide de l'IA, le personnel a terminé l'annotation 2,71 minutes plus vite. Les chances d'obtenir une annotation entièrement correcte ont augmenté de 45 %, bien que l'intervalle de confiance ait été large et n'exclue que de justesse l'absence d'amélioration. La concordance entre évaluateurs a nettement progressé, passant de 0,22–0,51 à 0,82–0,85 sur une mesure standard de concordance. La meilleure configuration coûtait environ deux centimes par note.

Ces résultats justifient la poursuite de l'évaluation d'une IA supervisée pour la documentation des essais cliniques en cancérologie, et non d'un diagnostic ou d'un traitement autonomes. Une meilleure documentation pourrait soutenir la surveillance de la sécurité, mais l'étude n'a pas établi de réduction des complications ni d'amélioration de la survie. Ce résumé repose uniquement sur l'abstract. Les tailles d'échantillon, les six types d'événements et les procédures de validation détaillées n'y figuraient pas. Les performances prospectives plus faibles et la classification de la gravité moins fiable renforcent la nécessité d'une révision par les cliniciens. Les coûts de calcul rapportés ne reflètent pas les coûts totaux de mise en œuvre, et plusieurs auteurs ont déclaré des liens financiers avec l'industrie.