Les deux versions sont alignées bloc par bloc, dans l’ordre du texte : titre, l’essentiel, puis paragraphe par paragraphe. Quand la traduction a fusionné ou scindé un paragraphe, la case correspondante reste vide — on ne rapproche jamais deux passages au jugé.
Dr. Christopher Owens, an associate medical director at Quest Diagnostics in Marlborough, Massachusetts, has spent his career trying to catch precancerous colorectal polyps earlier. The hard cases are the sessile serrated adenomas, or SSAs. Under the microscope they look almost identical to a hyperplastic polyp, which is completely benign. A new study from Northeastern University suggests an AI model could help tell them apart: in lab tests, the best vision transformer detected 70% of precancerous lesions.
Le Dr Christopher Owens, directeur médical adjoint chez Quest Diagnostics à Marlborough, dans le Massachusetts, a consacré sa carrière à détecter plus tôt les polypes colorectaux précancéreux. Les cas difficiles sont les adénomes festonnés sessiles, ou SSA. Au microscope, ils ressemblent presque à s'y méprendre à un polype hyperplasique, qui est parfaitement bénin. Une nouvelle étude de l'université Northeastern suggère qu'un modèle d'IA pourrait aider à les distinguer : en laboratoire, le meilleur transformeur de vision a détecté 70 % des lésions précancéreuses.
Vision transformers are the architecture behind AI chatbots. They analyze how different parts of an image relate to one another, whereas the older convolutional neural networks, or CNNs, examine an image segment by segment. Saeed Amal, a Northeastern professor of bioengineering, compares the CNN to an astronomer studying one star through a telescope, and the transformer to an eye that takes in the whole night sky. The team compared three models of each type on more than 3,000 polyp images from a public data set provided by Dartmouth-Hitchcock Medical Center, which included 1,545 hyperplastic polyps and 630 SSAs. The best transformer's sensitivity was 70%, against 40% for the CNN, and its overall accuracy was 86%, against 80%.
Les transformeurs de vision sont l'architecture à la base des chatbots d'IA. Ils analysent la façon dont différentes parties d'une image sont liées entre elles, alors que les réseaux de neurones convolutifs (CNN), plus anciens, examinent une image segment par segment. Saeed Amal, professeur de bio-ingénierie à Northeastern, compare le CNN à un astronome qui étudie une étoile à la fois à travers un télescope, et le transformeur à un œil qui embrasse tout le ciel nocturne. L'équipe a comparé trois modèles de chaque type sur plus de 3 000 images de polypes issues d'un jeu de données public fourni par le Dartmouth-Hitchcock Medical Center, qui comprenait 1 545 polypes hyperplasiques et 630 SSA. La sensibilité du meilleur transformeur était de 70 %, contre 40 % pour le CNN, et sa précision globale était de 86 %, contre 80 %.
The limits are clear, and the authors name them. The models were analyzed on one data set only, and further testing on multiple data sets is required. The American Gastroenterological Association, in a March 2025 clinical guideline, said the long-term effect of AI-assisted colonoscopy on cancer cases is "as of yet unknown", and does not endorse its widespread use. The association also warned that such systems tend to flag low-risk polyps, which could mean more frequent and costly colonoscopies with little benefit. Its expert Shahnaz Sultan put the bar plainly: "Right now, AI is detecting easy-to-detect lesions. This is version 1.0."
Les limites sont claires, et les auteurs les énoncent. Les modèles n'ont été analysés que sur un seul jeu de données, et des tests supplémentaires sur plusieurs jeux de données sont nécessaires. L'American Gastroenterological Association, dans une recommandation clinique de mars 2025, a indiqué que l'effet à long terme de la coloscopie assistée par IA sur les cas de cancer est « encore inconnu à ce jour », et n'approuve pas son utilisation généralisée. L'association a également averti que ces systèmes ont tendance à signaler des polypes à faible risque, ce qui pourrait se traduire par des coloscopies plus fréquentes et coûteuses pour un bénéfice faible. Son expert Shahnaz Sultan résume l'enjeu sans détour : « Aujourd'hui, l'IA détecte des lésions faciles à détecter. Ceci est la version 1.0. »
For patients and pathologists, the gain would be concrete if the results hold. A pathologist could get a second look at a lesion the eye alone might miss, and an SSA caught earlier means a precancerous lesion removed before it can become cancer. The team has begun working directly with clinicians: pathologists to verify findings in tissue and gastroenterologists to judge how they guide care, and plans prospective studies that would test the algorithms in real time, within clinical workflows. No date for those trials, nor for any clinical use, appears in the sources consulted.
Pour les patients et les anatomopathologistes, le gain serait concret si les résultats se confirment. Un pathologiste pourrait obtenir un second regard sur une lésion que l'œil seul risquerait de manquer, et un SSA repéré plus tôt signifie une lésion précancéreuse retirée avant de pouvoir devenir cancéreuse. L'équipe a commencé à travailler directement avec des cliniciens : des anatomopathologistes pour vérifier les résultats dans les tissus, et des gastro-entérologues pour évaluer comment ils orientent les soins. Elle prévoit aussi des études prospectives qui testeraient les algorithmes en temps réel, au sein des circuits cliniques. Aucune date pour ces essais, ni pour une utilisation clinique, n'apparaît dans les sources consultées.
Leon Toussaint, scientific manager at the National Foundation for Cancer Research, praised the work for showing "where AI succeeds and where it fails in imbalanced real-world data". That is the test the next studies will have to pass before the gap seen in the lab can reach a patient's colon.
Leon Toussaint, responsable scientifique à la National Foundation for Cancer Research, a salué ce travail pour avoir montré « où l'IA réussit et où elle échoue sur des données réelles déséquilibrées ». C'est le test que les prochaines études devront passer avant que l'écart observé en laboratoire ne puisse atteindre le côlon d'un patient.