Développement et validation d’un modèle d’intelligence artificielle pour l’estimation automatique du score CLASI-A dans le lupus cutané à partir de photographies cliniques de vie réelle : l’étude LUCIA (LUpus Cutané et Intelligence Artificielle)

Sacha URBAIN est interne de dermatologie-vénéréologie en Île-de-France. Pour ce M2 réalisé sous la direction des Pr François Chasset et Xavier Tannier, il développe le projet LUCIA, à l'interface entre dermatologie clinique et intelligence artificielle, et prépare, en lien avec les services de dermatologie des hôpitaux Tenon et Saint-Louis, une thèse d'exercice portant sur l’évaluation de cinq traitements systémiques de seconde ligne dans le lupus cutané (méthotrexate, thalidomide, lénalidomide, bélimumab, anifrolumab).

Le projet

Le lupus cutané (CLE) est une maladie auto-immune chronique de présentation variable, à fort impact sur la qualité de vie des patients.

L’évaluation de son activité conditionne les décisions thérapeutiques et l'appréciation de la réponse au traitement. Le « CLASI-A » en est devenu l'outil de référence, en pratique clinique pour cette évaluation, comme dans les essais thérapeutiques, mais son calcul reste chronophage, nécessite un entraînement spécifique et demeure exposé à une variabilité inter-observateur résiduelle.

Parallèlement, les outils d’intelligence artificielle (IA) utilisant l’apprentissage profond en dermatologie affichent aujourd’hui des performances proches de celles des médecins, y compris pour l'estimation automatisée de scores d'activité dans certaines dermatoses inflammatoires (urticaire, psoriasis, dermatite atopique).

À ce jour, aucun outil validé ne permet de prédire automatiquement le CLASI-A à partir de photographies cliniques de CLE. Le projet LUCIA vise à développer et valider une preuve de concept dédiée à cet effet, à partir de photographies standardisées et de vie réelle incluant des images de smartphone.

Menée conjointement par le service de dermatologie de l’hôpital Tenon (AP-HP), le Laboratoire d'Informatique Médicale et d'Ingénierie des Connaissances en e-Santé (LIMICS) et le Sorbonne Center for Artificial Intelligence (SCAI), cette étude rétrospective conçoit un modèle d’IA entraîné sur la cohorte photographique du service pour estimer automatiquement le score CLASI-A.

Le modèle sera évalué sur sa précision de prédiction, mesurée par rapport au score de référence établi par consensus d’experts. Cette évaluation sera complétée par des analses de robustesse selon les zones anatomiques, les phototypes et les conditions de prise de vue, ainsi que par des cartes de visualisation des zones d'intérêt du modèle

Fiche du projet