Une nouvelle intelligence artificielle expérimente une méthode pour repérer automatiquement certaines formes de cancer de la prostate sur des images de micro-échographie. Cette technologie pourrait à terme aider les médecins à mieux cibler les biopsies, mais elle reste encore au stade de la recherche.

Le diagnostic du cancer de la prostate repose aujourd’hui sur plusieurs outils complémentaires, notamment l’examen clinique, le dosage du PSA, l’imagerie et, lorsque cela est nécessaire, la biopsie prostatique.

Une nouvelle étude publiée le 22 septembre 2026 dans la revue scientifique Prostate Cancer and Prostatic Diseases explore une autre possibilité : utiliser une intelligence artificielle pour analyser automatiquement les images obtenues par micro-échographie de haute résolution.

Les chercheurs ont développé un modèle d’intelligence artificielle appelé MUSegNet, conçu pour identifier et délimiter automatiquement la prostate, sa zone transitionnelle et les régions correspondant à un cancer de la prostate cliniquement significatif.

L’objectif n’est pas de remplacer l’urologue ou l’anatomopathologiste, mais potentiellement de fournir un outil supplémentaire pour repérer certaines lésions et améliorer le ciblage des biopsies.

Pourquoi la micro-échographie intéresse-t-elle les chercheurs ?

L’échographie est déjà largement utilisée en médecine. Mais la micro-échographie, également appelée micro-ultrasound, utilise une fréquence ultrasonore plus élevée afin d’obtenir des images détaillées de la prostate.

Cette technologie est étudiée comme une alternative ou un complément à l’IRM multiparamétrique dans certaines situations de détection du cancer prostatique.

Le problème est que certaines lésions cancéreuses peuvent présenter des caractéristiques très discrètes sur les images. Leur interprétation peut également varier d’un lecteur à l’autre.

Selon les auteurs de l’étude, cette variabilité entre les observateurs constitue l’une des difficultés auxquelles l’intelligence artificielle pourrait contribuer à répondre.

MUSegNet : que fait exactement cette intelligence artificielle ?

Les chercheurs ont développé MUSegNet, un modèle basé sur une architecture d’apprentissage automatique spécialisée dans la segmentation des images médicales.

Concrètement, le système cherche à déterminer :

où se trouve la prostate ;

où se situe la zone transitionnelle ;

quelles régions de l’image pourraient correspondre à un cancer cliniquement significatif.

Cette approche est différente d’une simple classification « cancer » ou « pas cancer ».

L’IA tente également de délimiter la zone suspecte, ce qui pourrait être particulièrement intéressant lorsqu’une biopsie doit être réalisée.

L’objectif final est donc de transformer une image échographique en informations pouvant aider le médecin à déterminer où regarder et éventuellement où prélever.

Comment le modèle a-t-il été entraîné ?

L’étude est particulièrement intéressante parce que les chercheurs ont travaillé avec plusieurs types de données.

MUSegNet a notamment été entraîné à partir de :

53 examens de micro-échographie annotés manuellement ;

565 examens de micro-échographie non annotés ;

2 749 examens d’échographie conventionnelle.

Les chercheurs ont ensuite évalué le modèle sur 73 patients indépendants provenant de deux institutions, en le comparant notamment à des annotations de référence et à six lecteurs humains expérimentés.

Cette stratégie cherche notamment à répondre à un problème fréquent en intelligence artificielle médicale : les nouvelles technologies d’imagerie disposent parfois de relativement peu d’images correctement annotées pour entraîner les modèles.

Des résultats encourageants, mais encore préliminaires

Les résultats rapportés sont intéressants.

Pour la détection du cancer de la prostate cliniquement significatif, MUSegNet a obtenu une AUROC de 0,85, contre 0,73 pour le modèle de référence.

La sensibilité rapportée était de 0,74, contre 0,27 pour ce modèle de référence.

Les chercheurs ont également comparé l’intelligence artificielle à six lecteurs humains. Pour l’ensemble des lésions étudiées, MUSegNet a obtenu une AUROC de 0,85 contre 0,78 pour les lecteurs humains, avec une sensibilité de 0,74 contre 0,63.

Ces chiffres sont intéressants, mais ils doivent être interprétés avec prudence.

Ils ne signifient pas que l’intelligence artificielle est désormais meilleure que les urologues pour diagnostiquer le cancer de la prostate dans la pratique courante.

L’étude porte sur un nombre limité de patients et les auteurs indiquent eux-mêmes qu’une évaluation sur une cohorte plus importante est nécessaire.

Une performance différente selon la localisation de la tumeur

L’un des résultats particulièrement intéressants concerne la localisation des lésions.

Le modèle semblait mieux détecter les cancers situés dans la partie postérieure de la prostate que ceux situés dans sa partie antérieure.

Pour les lésions postérieures, l’AUROC atteignait 0,94, avec une sensibilité de 0,86.

Pour les lésions antérieures, ces valeurs étaient respectivement de 0,72 et 0,49.

Cette différence rappelle une réalité importante en médecine : une technologie de diagnostic ne fonctionne pas nécessairement de manière identique pour toutes les formes ou toutes les localisations d’une maladie.

L’intelligence artificielle doit donc être évaluée non seulement sur sa performance globale, mais aussi sur les situations dans lesquelles elle fonctionne moins bien.

Une aide potentielle pour les biopsies

La biopsie reste essentielle pour confirmer la présence d’un cancer de la prostate.

L’imagerie peut permettre d’identifier une zone suspecte, mais la confirmation diagnostique repose sur l’analyse des tissus prélevés.

C’est précisément à ce niveau que MUSegNet pourrait présenter un intérêt.

Si une intelligence artificielle est capable de repérer et de délimiter plus précisément certaines zones suspectes sur une micro-échographie, elle pourrait potentiellement aider le médecin à mieux cibler les prélèvements.

L’intérêt ne serait donc pas uniquement de dire « cette prostate semble suspecte », mais de fournir une indication plus précise sur la localisation de la zone à biopsier.

Les auteurs présentent d’ailleurs l’amélioration du ciblage des biopsies et la réduction de la variabilité entre lecteurs comme des applications potentielles de leur technologie.

Et si l’IRM ne montre rien ?

Un autre résultat mérite attention.

Les chercheurs rapportent que MUSegNet a identifié un cancer de la prostate cliniquement significatif chez environ un tiers des cas étudiés présentant un cancer non visible à l’IRM.

Ce résultat doit cependant être interprété avec beaucoup de prudence, car il provient d’un sous-groupe limité et nécessite une validation dans des cohortes plus importantes.

Il serait donc prématuré d’affirmer que la micro-échographie associée à l’intelligence artificielle permettrait de remplacer l’IRM.

La question scientifique est plutôt de savoir si ces technologies peuvent, dans certaines situations, se compléter.

Pourquoi cette découverte est-elle importante ?

L’intérêt de cette étude dépasse la seule prostate.

Elle illustre une tendance importante en médecine : l’intelligence artificielle ne sert plus uniquement à analyser des données biologiques ou des dossiers médicaux.

Elle est également utilisée pour analyser directement des images médicales.

Dans ce contexte, l’IA peut rechercher des caractéristiques trop discrètes ou trop nombreuses pour être facilement évaluées de manière uniforme par l’œil humain.

Mais son intérêt dépend fortement de la qualité des données utilisées pour l’entraînement, de la diversité des patients et des conditions dans lesquelles elle est évaluée.

Une IA performante dans un centre spécialisé ne possède pas nécessairement la même précision lorsqu’elle est utilisée dans un autre hôpital, avec une autre machine ou auprès d’une population différente.

L’IA ne remplace pas encore le diagnostic médical

Il s’agit probablement du point le plus important à retenir.

MUSegNet est un outil expérimental et non un dispositif permettant actuellement de diagnostiquer seul le cancer de la prostate.

Le diagnostic reste une démarche médicale qui combine plusieurs informations.

Une image suspecte ne signifie pas automatiquement qu’une personne souffre d’un cancer.

Inversement, une image rassurante ne permet pas nécessairement d’exclure toutes les formes de cancer.

L’interprétation doit tenir compte du contexte clinique, du PSA, des résultats d’imagerie et, lorsqu’elle est indiquée, de l’analyse anatomopathologique des biopsies.

Que peut-on attendre de cette technologie ?

Les prochaines étapes seront déterminantes.

Il faudra notamment vérifier les performances de MUSegNet :

sur un nombre beaucoup plus important de patients ;

dans plusieurs centres médicaux ;

avec différents appareils de micro-échographie ;

auprès de populations plus diverses ;

dans des conditions proches de la pratique clinique réelle.

Il faudra également déterminer si l’utilisation de l’IA améliore réellement la prise en charge des patients et pas seulement certains indicateurs statistiques.

Autrement dit, une question essentielle reste ouverte : l’utilisation de cette technologie permet-elle de détecter davantage de cancers cliniquement significatifs tout en évitant des biopsies inutiles et des diagnostics excessifs ?

C’est ce type de question qui permettra de déterminer sa véritable utilité médicale.

Ce qu’il faut retenir

Une étude publiée le 22 septembre 2026 décrit une intelligence artificielle appelée MUSegNet, capable d’analyser des images de micro-échographie de la prostate afin de repérer et de délimiter automatiquement certaines lésions correspondant à des cancers prostatiques cliniquement significatifs.

Les premiers résultats sont encourageants, notamment pour la détection de certaines lésions et leur localisation.

Mais il ne s’agit pas encore d’une nouvelle méthode de diagnostic à utiliser systématiquement chez les patients.

La véritable avancée potentielle réside plutôt dans la possibilité de combiner l’imagerie, l’intelligence artificielle et l’expertise médicale pour mieux cibler les biopsies.

Cette recherche montre surtout comment l’IA pourrait progressivement devenir un outil d’assistance dans l’imagerie médicale, sans pour autant remplacer le médecin.

À retenir en une phrase

Une nouvelle IA pourrait aider à repérer certaines lésions du cancer de la prostate sur des images de micro-échographie et à mieux cibler les biopsies, mais des études plus importantes sont encore nécessaires avant une utilisation clinique généralisée.

Source scientifique

Rusu M., Zhou S. R., Zhang L. et al. MUSegNet: Automated detection of clinically significant prostate cancer on micro-ultrasound. Prostate Cancer and Prostatic Diseases, publié le 22 septembre 2026.

DOI : 10.1038/s41391-026-01157-w.