Une lame de tissu marquée contient une quantité d’information considérable : plusieurs centaines de milliers de cellules, leurs positions, leurs marqueurs, leur organisation. Le pathologiste en extrait un diagnostic, souvent avec une acuité remarquable. Mais lorsqu’il s’agit non plus de reconnaître mais de mesurer — combien de lymphocytes par millimètre carré, dans quelle région, au-dessus ou au-dessous de quel seuil —, l’examen visuel atteint une limite qui n’a rien à voir avec la compétence de l’observateur.
C’est cet écart que la pathologie numérique vient combler. En numérisant la lame entière puis en appliquant une analyse d’image, on transforme une appréciation en mesure reproductible. Cet article expose ce que cette transformation apporte , à travers une étude qui en quantifie précisément l’enjeu, ce qu’elle exige techniquement, et les limites qu’il serait imprudent d’ignorer.
Ce que l’examen humain fait bien, et ce qu’il fait mal
Il faut poser d’emblée le partage des tâches, sans quoi le propos serait mal compris.
L’examen humain excelle dans la reconnaissance de motifs complexes : identifier une architecture tumorale, repérer une anomalie inattendue, juger d’un cas atypique, intégrer le contexte clinique du patient. Ces opérations mobilisent une expérience et une capacité d’interprétation qu’aucun algorithme ne restitue aujourd’hui.
En revanche, l’œil humain est mal outillé pour compter. Estimer visuellement une densité cellulaire, la convertir en catégorie, appliquer un seuil de façon identique d’un observateur à l’autre et d’un jour au suivant : ce sont des tâches où la performance humaine plafonne, non par défaut de savoir, mais parce que l’estimation visuelle semi-quantitative n’est pas un instrument de mesure. Personne ne demanderait à un œil expert de peser un échantillon.
La question n’est donc pas de savoir qui fait mieux, mais de reconnaître que deux tâches différentes appellent deux outils différents.
Le cas décisif : mesurer l’écart entre l’œil et la machine
Cet écart a été quantifié, et le résultat est plus net qu’on ne l’attendrait. Une étude à laquelle Inovarion a contribué a soumis à un groupe international de pathologistes experts 540 images provenant de 270 cas de cancer du côlon marqués pour les lymphocytes T CD3+ et CD8+, en leur demandant d’évaluer visuellement l’infiltrat sous forme d’un score, puis en comparant leurs évaluations entre elles et à la quantification numérique de référence [4].
Les résultats se lisent par ordre de gravité croissante.
D’abord, les pathologistes ne s’accordent pas entre eux : des scores non concordants ont été rapportés dans plus de 92 % des cas. Ensuite, l’écart avec la référence numérique atteint 91 % des cas. Une session de formation a alors été organisée , et c’est le résultat le plus instructif : elle a modifié le score dans 42 % des cas, sans améliorer la concordance, qui a même été mesurée à 96 % de désaccord après formation. Autrement dit, entraîner davantage ne résout pas le problème. La lecture la plus économique est que celui-ci ne tient pas à la compétence des observateurs mais à la modalité d’évaluation elle-même — sans qu’on puisse exclure d’autres explications, comme une définition insuffisamment précise de la tâche. On notera que le remède est le même dans les deux cas : substituer à un jugement visuel semi-quantitatif une mesure numérique explicitement définie.
Le point le plus décisif concerne enfin les patients situés autour des seuils de décision. Pour ces 20 % de cas , précisément ceux où la classification change la conduite thérapeutique, aucune concordance n’a été observée entre les pathologistes et l’analyse numérique, ni avant ni après formation, avec des coefficients Kappa tous inférieurs à 0,12. La conclusion des auteurs est sans ambiguïté : le test standardisé a surpassé l’évaluation visuelle par score des pathologistes experts en situation clinique.
Il importe de bien lire ce que cette étude établit. Elle ne dit pas que les pathologistes se trompent, ni qu’ils seraient dispensables. Elle établit que, pour cette tâche et dans ce cadre, l’estimation visuelle semi-quantitative n’atteint pas la reproductibilité qu’exige une décision fondée sur un seuil , ce qui renvoie à une propriété de la méthode, non des personnes.
Ce qu’exige une quantification fiable
Obtenir une mesure reproductible suppose une chaîne technique complète, dont chaque maillon conditionne le résultat.
La lame est d’abord numérisée dans son intégralité, ce qui produit une image de très grande taille. Vient ensuite un contrôle qualité de cette image (mise au point, absence d’artefacts, homogénéité de l’éclairage), étape que l’on néglige volontiers alors qu’un défaut non détecté à ce stade se propage silencieusement dans tout ce qui suit. On procède alors à la segmentation des régions d’intérêt : dans le cas de l’infiltrat immunitaire tumoral, distinguer le centre de la tumeur de sa marge invasive, deux compartiments dont la signification biologique diffère, comme nous le développons à propos du microenvironnement immunitaire. Puis viennent la détection des cellules, leur classification selon les marqueurs exprimés, le calcul des densités par région, et enfin la conversion en score.
La standardisation, condition de l’usage clinique
Un algorithme qui fonctionne dans un laboratoire n’est pas un test. Ce qui fait la différence tient en quelques exigences : des seuils définis à l’avance et non ajustés après coup, des procédures figées et documentées, des contrôles à chaque étape, et surtout une validation multicentrique.
C’est le sens d’une seconde étude à laquelle Inovarion a contribué, conduite sous l’égide de la Society for Immunotherapy of Cancer et portant sur le cancer du côlon de stade III [5] : un dispositif international multicentrique, où le test doit produire des résultats cohérents à travers des sites différents, avec leurs équipements, leurs protocoles de marquage et leurs opérateurs propres. Un résultat reproductible dans un seul centre établit une reproductibilité interne, ce qui est nécessaire mais insuffisant : c’est la concordance entre centres qui qualifie un test pour un usage clinique.
De l’analyse d’image à l’apprentissage profond
Ces deux approches ne relèvent pas de la même logique, et les confondre conduit à des attentes mal calibrées.
L’analyse d’image classique repose sur des règles explicites, écrites par le concepteur : seuillage d’intensité, critères morphologiques, opérations de filtrage. Elle est transparente, inspectable, et bien adaptée aux tâches où la règle se formule — détecter un noyau marqué, mesurer une aire.
L’apprentissage profond procède autrement : les règles ne sont pas écrites mais apprises sur des données annotées. Cette approche l’emporte là où la règle explicite échoue, notamment sur les textures, les architectures tissulaires et les cas hétérogènes. Les algorithmes développés dans ce cadre atteignent des performances comparables à celles de pathologistes entraînés pour des tâches comme la détection ou le grade tumoral. Mais une revue de référence pose un constat qu’il faut garder en tête : malgré ces résultats prometteurs, très peu d’algorithmes ont atteint l’implémentation clinique, ce qui met en tension l’espoir et le battage médiatique [1].
Le champ connaît depuis peu une évolution notable avec les modèles de fondation : des modèles de grande taille, préentraînés de façon auto-supervisée sur d’immenses collections d’images histologiques, puis adaptés à des tâches spécifiques [2]. L’intérêt est de réduire le volume d’annotations nécessaire pour chaque nouvelle application, l’essentiel de l’apprentissage ayant été fait en amont.
Limites et pièges
Plusieurs sources d’erreur précèdent l’analyse et la conditionnent.
La première est la variabilité pré-analytique : durée et type de fixation, épaisseur des coupes, lot d’anticorps, protocole de marquage. Elle s’installe avant toute numérisation et aucune analyse, aussi sophistiquée soit-elle, ne la corrige rétrospectivement. Vient ensuite la variabilité d’acquisition (scanners de marques différentes, calibrations colorimétriques distinctes), puis les effets de lot et la dérive dans le temps, lorsqu’une série est traitée sur plusieurs mois.
Une limite plus récemment documentée est facile à ignorer. Malgré un nombre croissant d’autorisations réglementaires, les systèmes de pathologie computationnelle fondés sur l’apprentissage profond négligent souvent l’effet des facteurs démographiques sur leur performance — d’autant plus que les grands jeux de données publics sur lesquels ils s’entraînent sous-représentent certains groupes. Des modèles de classification de lames entières présentent ainsi des écarts de performance marqués selon les groupes démographiques, sur des tâches aussi variées que le sous-typage de carcinomes mammaires et pulmonaires ou la prédiction de mutations d’IDH1 dans les gliomes ; et si des représentations plus riches, issues de modèles de fondation auto-supervisés, réduisent ces écarts, elles ne les corrigent que partiellement [3]. Un modèle validé sur une population n’est donc pas automatiquement valide sur une autre.
De ces constats découle une exigence simple : la validation doit se faire sur des cohortes indépendantes, avec des critères de performance définis à l’avance, et une attention explicite à la composition des populations d’entraînement et de test.
Ce que la quantification ouvre
L’intérêt de l’analyse d’image ne se limite pas à automatiser un comptage existant. En rendant la mesure reproductible, elle rend possibles des lectures qui n’étaient pas envisageables.
Le multiplexage permet de quantifier simultanément de nombreux marqueurs sur une même coupe, donc d’apprécier l’équilibre entre populations cellulaires plutôt que leur abondance isolée. La localisation ouvre l’analyse des relations de voisinage : quelles cellules côtoient quelles autres, à quelle distance. Et l’image devient une couche de lecture articulable à d’autres modalités — c’est exactement l’articulation que réalise la transcriptomique spatiale, dont nous traitons ailleurs, en superposant carte moléculaire et histologie de la même coupe.
Comment Inovarion peut vous accompagner
Inovarion couvre la chaîne complète de l’analyse d’image quantitative : conception et développement d’algorithmes, y compris par apprentissage profond, qualification et validation de pipelines, contrôle qualité des images et des données, et articulation des résultats d’imagerie avec les données moléculaires. Nos équipes ont contribué à des travaux de référence sur la quantification standardisée de l’infiltrat immunitaire tumoral, dont les études multicentriques internationales qui ont éprouvé ces tests à travers plusieurs sites. L’enjeu, dans chaque projet, est le même : que la mesure produite soit à la fois juste et reproductible — car une décision fondée sur un seuil exige les deux, et la reproductibilité est celle que l’on néglige le plus souvent.
Publications
Références du domaine
- van der Laak J, Litjens G, Ciompi F. Deep learning in histopathology: the path to the clinic. Nature Medicine, 2021;27(5):775-784. PubMed
- Chen RJ, et al. Towards a general-purpose foundation model for computational pathology. Nature Medicine, 2024;30(3):850-862. DOI
- Vaidya A, Chen RJ, Williamson DFK, et al. Demographic bias in misdiagnosis by computational pathology models. Nature Medicine, 2024;30(4):1174-1190. PubMed
Contributions Inovarion
- Willis J, Anders RA, Torigoe T, et al. Multi-Institutional Evaluation of Pathologists’ Assessment Compared to Immunoscore. Cancers, 2023;15(16):4045. PubMed
- Mlecnik B, et al. Multicenter International Society for Immunotherapy of Cancer Study of the Consensus Immunoscore for the Prediction of Survival and Response to Chemotherapy in Stage III Colon Cancer. Journal of Clinical Oncology, 2020;38(31):3638-3651. PubMed
à jour en juillet 2026