Le stade au moment du diagnostic du carcinome épidermoïde de la cavité orale (CECO) est le paramètre déterminant principal du pronostic vital. La détection et le diagnostic précoce des CECO sont donc primordiaux pour améliorer la survie des patients. Dans ce contexte, l’Intelligence artificielle (IA), et spécifiquement les algorithmes de vision par ordinateur, constitue une approche prometteuse. Cette technologie effectue une analyse automatisée de photographies intra-orales pour assister la détection précoce des lésions muqueuses.
Le carcinome épidermoïde de la cavité orale constitue un enjeu de santé publique, se classant au sixième rang des cancers par incidence en France en 2018 [1]. Son étiologie est majoritairement imputable à la consommation d’alcool et de tabac, bien que des formes sporadiques affectent des sujets jeunes non exposés à ces facteurs de risques dont l’étiologie reste indéterminée [2]. Le pronostic de cette pathologie demeure défavorable, la mortalité élevée étant directement corrélée à un diagnostic souvent posé à un stade avancé [3]. Ce contexte clinique a suscité le développement de plusieurs techniques d’aide au diagnostic, dont des modèles d’Intelligence artificielle (IA) visant à optimiser la détection précoce de ces lésions [4].
Une revue systématique de la littérature a préalablement objectivé l’état des connaissances relatives à cette problématique [5]. Il en ressort que, bien que les modèles d’apprentissage profond publiés rapportent des métriques de performance élevées — avec des sensibilités et des précisions dépassant fréquemment 90 % —, la validité de ces résultats est questionnée par une limitation méthodologique majeure. La plupart de ces travaux s’appuient en effet sur des ensembles d’images restreints, hétérogènes et dépourvus d’une validation anatomopathologique. Ce biais fondamental rend la comparaison des architectures peu fiable…
