FIBOM-AI : une intelligence artificielle capable de prédire les résultats d’une biopsie ostéo-médullaire à partir d'une simple prise de sang

Un travail collaboratif coordonné par les HCL et Lyon 1 Université a permis de développer un algorithme d’intelligence artificielle capable d’estimer le risque de fibrose médullaire à partir de données simples, évitant dans certains cas un examen invasif et douloureux pour des patients atteints de maladies chroniques de la moelle osseuse.

Les néoplasies myéloprolifératives (NMP) ou syndromes myéloprolifératifs (SMP) sont un groupe de pathologies tumorales chroniques et rares de la moëlle osseuse, caractérisées par la prolifération cellulaire principalement des globules rouges, des plaquettes et/ou des globules blancs, et l’apparition de fibrose au niveau de la moëlle osseuse. La biopsie ostéo-médullaire constitue aujourd'hui un examen incontournable pour le diagnostic et le suivi des néoplasies myéloprolifératives.’un des risques principaux de ces maladies est l’évolution vers la fibrose médullaire, un remplacement progressif de la moelle normale par du tissu cicatriciel, entraînant une altération de la production des cellules sanguines et un risque accru de transformation en leucémie aiguë. L’identification de cette fibrose médullaire est un élément clé dans la décision thérapeutique, mais nécessite la réalisation d’une biopsie ostéo-médullaire, un examen invasif et souvent douloureux pour le patient.

Pour répondre à cette problématique, une collaboration multicentrique coordonnée par les Hospices Civils de Lyon et l'Université Claude Bernard Lyon 1 a réuni 14 centres hospitaliers universitaires en France et au Canada pour développer FIBOM-AI, un modèle d'intelligence artificielle (IA) capable d'estimer le risque de fibrose médullaire à partir de données simples et largement disponibles : l'âge du patient et les résultats d'un hémogramme.

L'étude, publiée dans The Lancet Haematology, a inclus près de 2 000 patients pour le développement et la validation du modèle, puis près de 500 patients supplémentaires dans le cadre d'une évaluation prospective en conditions réelles. Les résultats montrent qu'il est possible de prédire la présence d'une fibrose médullaire significative avec une fiabilité d'environ 88 %. Dans les situations où l'algorithme est le plus confiant, cette fiabilité atteint 97 %.

FIBOM-AI n'a pas vocation à remplacer complètement la biopsie médullaire, qui demeure indispensable au diagnostic pour caractériser précisément la maladie. En revanche, cet outil pourrait aider les médecins à identifier les patients nécessitant une biopsie médullaire, ou au contraire à ne pas réaliser une biopsie lorsque celle-ci est à risque (patient âgé, sous anticoagulant) et qu’aucun élément n’évoque une évolution vers la fibrose. L’outil pourrait ainsi à terme faciliter le suivi des patients en limitant le recours à des biopsies répétées.
FIBOM-AI est désormais accessible gratuitement via une application web développée en open-source, un point clé dans une démarche de science transparente. Cet outil est ainsi facilement déployable pour être testé et évalué dans n’importe quel hôpital, soutenant ainsi son évaluation et sa validation dans d'autres centres à travers le monde.

« En croisant les expertises de l'anatomopathologie, de la biologie et de l'hématologie clinique, avec des outils d'intelligence artificielle, nous avons montré qu'il était possible d'estimer le risque de fibrose médullaire à partir d'une simple prise de sang. Si la biopsie médullaire reste indispensable au diagnostic initial, cette approche pourrait à l'avenir faciliter le suivi des patients et réduire le recours à certains examens invasifs répétés. » Dr Marie Donzel, service d'anatomie et cytologie pathologiques de l’hôpital Lyon Sud.
 

« Cet outil est la preuve qu’un modèle d’IA peu couteux, très économe en énergie et utilisant des données simples et accessibles partout peut permettre de prédire des événements cliniques majeurs pour le patient. Ce développement a été permis par la constitution d’une cohorte de grande qualité via une collaboration nationale entre les centres du groupe Français d’étude des néoplasies myéloprolifératives (FIM). La prochaine étape sera de valider sa place dans notre stratégie diagnostique actuelle pour rationaliser le nombre de biopsies réalisées sans compromettre le pronostic du patient au sein d’un essai clinique national multicentrique. » Dr Vincent Alcazer, service d’hématologie clinique de l’hôpital Lyon Sud.
 

Dernière mise à jour le :
Blocs libres

Donzel, M., Khedimallah, S., Barriere, S., Gouband, A., Aubert, C., Bosselut, N., Poullot, E., Bezsera, S. M., Mansier, O., Yilmaz, N., Syrykh, C., Hittinger, X., Momenkhan, S., Barraco, F., Gilis, L., Labussière-Wallet, H., Brehon, M., Chin-Yee, B., Hsia, C., Wang, L., … Alcazer, V. (2026). Prediction of bone marrow fibrosis from complete blood count in myeloproliferative neoplasms (FIBOM-AI): a multicentre machine learning model development and validation study. The Lancet. Haematology, 13(6), e396–e407. 
Lire l’article ici