APPORT DE L'INTELLIGENCE ARTIFICIELLE DANS LA DETECTION DES NODULES DE CARCINOSE PERITONEALE : REVUE DE LA LITTERATURE

Abstract

La carcinose péritonéale demeure un défi diagnostique majeur en imagerie oncologique. Sa détection préopératoire conditionne le pronostic et la prise en charge thérapeutique, notamment la chirurgie cytoréductrice et la chimiothérapie hyperthermique intrapéritonéale (HIPEC). L’imagerie conventionnelle, principalement le scanner, présente des limites dans la détection des nodules infracentimétriques et dans l’évaluation précise du Peritoneal Cancer Index (PCI).

L’intelligence artificielle (IA), notamment les approches radiomiques et le deep learning, ouvre de nouvelles perspectives diagnostiques. Les modèles d’apprentissage automatique appliqués au scanner, à l’IRM et à la TEP-FDG permettent une détection plus sensible et reproductible des nodules péritonéaux. Plusieurs études récentes (2018–2024) ont montré une amélioration de la sensibilité de 15 à 25 % par rapport à la lecture radiologique standard, ainsi qu’une réduction notable de la variabilité inter-observateur.

Malgré ces avancées, l’intégration clinique de l’IA reste limitée par la taille restreinte des cohortes, l’hétérogénéité des protocoles d’acquisition et le manque de validation externe multicentrique. Néanmoins, les perspectives sont prometteuses : radiologie augmentée, cartographie automatisée du PCI, imagerie multimodale et médecine personnalisée.

L’IA s’affirme ainsi comme un outil d’aide à la décision incontournable, appelé à renforcer l’expertise du radiologue dans l’évaluation fine de la carcinose péritonéale.