Comment l’intelligence artificielle transforme le diagnostic anatomopathologique
📩 Pour nous contacter: redaction@fw.media
L’anatomopathologie, discipline clé du diagnostic du cancer, repose depuis plus d’un siècle sur l’œil humain. Chaque jour, des milliers de pathologistes observent au microscope des tissus colorés, repèrent des anomalies, comptent des cellules. Un travail minutieux et aujourd’hui soumis à de fortes tensions démographiques. L’arrivée de l’intelligence artificielle reconfigure cette pratique en automatisant certaines étapes du diagnostic pour en rendre la lecture plus reproductible.
Au cœur de ce changement, des logiciels d’analyse d’images s’appuyant sur des modèles de deep learning capables d’identifier, et de quantifier des structures cellulaires invisibles à l’œil non entraîné. Ces outils transforment les lames histologiques en données numériques, permettant de repérer des biomarqueurs ou des anomalies avec un haut degré de précision. L’objectif est d’augmenter les capacités d’observation du pathologiste et de fiabiliser les diagnostics.
« Nos outils facilitent considérablement le travail des praticiens. La détection et le comptage automatiques leur font gagner un temps précieux », explique Fanny Sockeel, cofondatrice et CEO de Primaa. La société parisienne a développé une plateforme d’IA capable d’analyser des images de tissus pour détecter des cancers du sein et de la peau. Ses modèles, entraînés sur d’importants ensembles de données annotées, reconnaissent des motifs associés aux tumeurs et génèrent des mesures quantitatives utiles aux décisions cliniques.
Cette approche réduit la variabilité inter-observateur, un enjeu souvent sous-estimé. Deux pathologistes peuvent interpréter différemment la même lame, ce qui influe sur la classification et le traitement. L’IA, en standardisant l’analyse, introduit une continuité dans la pratique diagnostique. Pour les établissements de santé, elle offre aussi une réponse partielle à la pénurie de spécialistes, tout en réduisant le délai entre prélèvement et résultat.
Les gains ne se limitent pas à la productivité. En systématisant la quantification, ces outils ouvrent la voie à une médecine plus prédictive. Les travaux actuels portent sur la corrélation entre signatures morphologiques et évolution clinique : un glissement vers l’anticipation des rechutes ou la personnalisation des traitements. Cette convergence entre pathologie numérique et modélisation statistique pourrait à terme redéfinir la place du diagnostic dans la chaîne de soin.
La transformation est néanmoins complexe. L’implémentation de ces systèmes dans les hôpitaux suppose un effort d’infrastructure numérique, des validations réglementaires et une formation adaptée des équipes. La confiance des cliniciens repose sur la transparence des modèles et la traçabilité des décisions algorithmiques. En Europe, les régulations sur les dispositifs médicaux à base d’IA imposent une rigueur scientifique et éthique qui pourrait devenir un avantage concurrentiel.
Primaa s’inscrit dans cette dynamique, fondée en 2018 par Fanny Sockeel, Stéphane Sockeel et Marie Sockeel, la startup vient de lever 7 millions d’euros auprès du fonds de partenariat MH Innov’ et Elaia, de SWEN Capital Partners, de Super Capital et de membres de la famille Wendel. Ce financement servira à renforcer les équipes commerciales et techniques, accélérer le développement de nouveaux modules IA, et préparer une certification FDA pour son entrée sur le marché américain.
