L'apprentissage automatique affiche une haute précision, peu de validation prospective dans les NMP

Le rapport d'AJMC couvre un examen intitulé "Artificial intelligence in myeloproliferative neoplasms: from digital bone marrow pathology to clinical decision support,"[1] qui a été publié en ligne dans Blood Reviews le 23 octobre 2026[1].Selon le résumé de l'examen sur ScienceDirect, les auteurs ont recherché PubMed/MEDLINE jusqu'en août 2026, complétés par une recherche manuelle et des résumés de conférences[2]. Le résumé indique que l'IA a progressé dans des domaines incluant l'analyse automatisée des biopsies médullaires, la segmentation du volume splénique, la prédiction de la réponse thérapeutique et la découverte de médicaments in silico[2].Les auteurs écrivent également que "la plupart des modèles publiés à ce jour restent limités à une validation interne ou monocohort"[2]. Ils ajoutent que "l'évaluation prospective n'a été rapportée que pour la prédiction de la fibrose basée sur la numération globulaire."[2]AJMC rapporte que l'outil en question, FIBOM-AI, utilise 27 variables de numération globulaire complète plus l'âge pour identifier la fibrose de réticuline de grade 2 à 3[1]. Le média indique qu'il a obtenu une ASC de 0,92 dans la cohorte externe et une précision de 85,2 % lorsqu'appliqué prospectivement en pratique courante[1].L'enregistrement de PubMed de l'étude FIBOM-AI dans The Lancet Haematology indique que la cohorte prospective comprenait 493 patients de cinq centres[3] en 2024. Selon AJMC, les développeurs le voient comme un outil de tri plutôt que comme un substitut à la biopsie[1].Les auteurs de l'examen ont conclu, cité par AJMC, que les progrès nécessiteront "des études de validation prospectives axées sur les résultats."[1]