← ResourcesPublications
DIAKWANT · PD-L1 · ASSISES DE PATHOLOGIE, LE TOUQUET
Impact de l'assistance par intelligence artificielle sur le scoring PD-L1
C. Boulagnon-Rombi, C. Bazille, H. Gil, R. Picot, M. Four, L. Dibombe, Y. Salhi, F. Thomas, Y. Bellahsen-Harrar, C. Bossard
11 JUN 2026
Résumé
L'évaluation du score CPS (Combined Positive Score) par immunohistochimie PD-L1 est déterminante pour l'éligibilité des patients aux immunothérapies anti-PD-L1, mais reste soumise à une variabilité inter-observateurs significative. Nous avons évalué l'impact d'une solution d'intelligence artificielle (DiaKwant PD-L1 CPS [1]) sur la précision et la reproductibilité du scoring CPS, sur une cohorte de 149 prélèvements de tumeurs gastro-intestinales et de la tête et du cou. Quatre pathologistes ont analysé l'ensemble des cas, successivement sans puis avec assistance IA, et leurs scores ont été comparés à un score de référence établi par un consensus d'experts. L'assistance IA a significativement amélioré la précision du CPS (77.6% vs 83.9%, p≤0.01), la sensibilité (78.5% vs 89.6%) ainsi que la concordance inter-observateurs (ICC : 0.71 vs 0.90), tout en réduisant le temps de lecture moyen par cas (109 vs 78 secondes, p≤0,01). Ces résultats démontrent le potentiel de l'IA pour standardiser et fiabiliser l'évaluation du PD-L1 en pratique anatomopathologique courante.
Introduction
Les immunothérapies par anticorps anti-PD-L1 sont au coeur de la prise en charge thérapeutique de nombreux cancers. L’évaluation précise de l’expression du PD-L1 par immunohistochimie est dans ce cadre essentielle, déterminant l’éligibilité des patients à ce traitement. Dans la pratique, l’évaluation du marquage immunohistochimique PD-L1, en particulier à l’aide du score positif combiné (CPS) est complexe, avec une variabilité inter-observateurs non négligeable, rendant nécessaire l’optimisation de cette analyse. Dans ce cadre, une assistance par des outils d’intelligence artificielle (IA) pourrait permettre une quantification plus exhaustive et reproductible. Nous avons évalué l’impact de DiaKwant PD-L1 CPS, une solution d’IA, sur le scoring réalisé par des pathologistes, en le comparant à un score de référence établi par un panel d’experts.
Matériel et méthodes
Au total, 149 prélèvements de tumeurs gastro-intestinales et de la tête et du cou ont été numérisés (lames HES et immunohistochimiques) et analysés indépendamment par trois pathologistes experts pour établir un score de référence. Les cas discordants ont été examinés conjointement afin d’établir un score de référence. Quatre pathologistes différents provenant de diverses institutions ont analysé indépendamment tous les cas sans l’aide de l’IA, puis avec l’assistance après un wash-out de deux mois. Pour chaque lame, l’algorithme a fourni un score CPS ainsi qu’une carte thermique d’expression de PD-L1 afin de faciliter l’interprétation des résultats. Les évaluations des pathologistes ont été comparées au score de référence afin de quantifier l’impact de l’IA sur la précision des scores. Le temps de lecture par lame avec et sans IA a également été enregistré.
Résultats
En utilisant des seuils spécifiques à chaque organe, la précision du CPS est passée de 77.6% à 83.9% avec l’aide de l’IA (p≤0.01), la sensibilité de 78.5% à 89.6% et la spécificité de 73.4% à 76.2%, tandis que le temps moyen de lecture par cas est passé de 109 à 78 secondes (p≤0,01). Le coefficient de corrélation inter-observateurs (ICC) entre les pathologistes est passé de 0.71 à 0.90 avec l’assistance IA.
Discussion et conclusion
L’assistance par IA pour le scoring CPS a amélioré la concordance avec la norme de référence, augmenté la reproductibilité entre pathologistes et réduit le temps de lecture tout en conservant des performances cliniquement pertinentes pour les types de tumeurs testés. Ces résultats confirment le potentiel de l’IA pour quantifier de manière exhaustive le score CPS et faciliter une sélection plus standardisée et plus robuste des patients pour l’immunothérapie dans la pratique courante.
[1] Bossard, C., et al. "Clinical evaluation of an automated pan-organ combined PD-L1 scoring using artificial intelligence on immunostained whole-slide images." ESMO Real World Data and Digital Oncology 10 (2025): 100181.
