Dépistage du mélanome : que valent les applis IA grand public vs dermatoscopie + suivi ?
Les applications d’IA « grand public » promettent d’évaluer le risque de mélanome à partir d’une photo. Sujet d’actualité : leur usage augmente, souvent avant toute consultation. Comment les replacer dans une approche EBM ?
Points clés (EBM, pratique)
- Performance variable : les études rapportent des sensibilités/spécificités très hétérogènes selon l’algorithme, la qualité d’image, la prévalence et le type de lésions. Les comparaisons directes sont difficiles (datasets propriétaires, biais de sélection, manque d’images de peau foncée, lésions atypiques, sites acrals).
- Risque de faux négatifs : une « rassurance » algorithmique peut retarder la consultation, surtout pour des mélanomes amélanotiques, des lésions acrales/unguéales ou sur phototypes élevés.
- Risque de faux positifs : anxiété, surconsommation de consultations/exérèses, surtout chez sujets à multiples nævus.
- Ce qui reste robuste : examen clinique contextualisé, dermatoscopie, photographie sériée (total body photography) chez patients à haut risque, et suivi court des lésions douteuses (p.ex. 3 mois) selon les recommandations locales.
Proposition de message patient « Une appli peut aider à ne pas oublier de surveiller, mais ne remplace pas l’examen dermatoscopique. En cas de lésion nouvelle, qui change, qui saigne, qui démange, ou d’aspect différent des autres (“vilain petit canard”), consultez. »
Pour la communauté
- Utilisez-vous ces applis comme outil d’éducation/suivi, ou les déconseillez-vous ?
- Avez-vous des retours sur leur impact en triage (consultations urgentes vs routine) ?
Rappels de sécurité
- Toute image clinique partagée ici doit être anonymisée (pas de visage, tatouages identifiants, métadonnées, localisation précise).
Sources (EBM)
- Freeman K, et al. Algorithm based smartphone apps to assess risk of skin cancer. Cochrane Database Syst Rev. 2020.
- NICE. Skin cancer: recognition and referral (guideline NG12 et mises à jour associées).
- International Skin Imaging Collaboration (ISIC) – ressources sur datasets/IA en imagerie dermatologique.
2 commentaires
Les applis IA « grand public » peuvent sensibiliser, mais en EBM il faut rappeler 3 limites majeures : 1) la performance dépend fortement du contexte (qualité photo, carnation, localisation, lésion pigmentée vs non, prévalence). Un chiffre de « bonne sensibilité » en base de données ne garantit pas la sécurité en vie réelle, avec un risque de faux négatifs (retard diagnostique) et de faux positifs (anxiété, consultations inutiles). 2) La plupart des algorithmes sont des boîtes noires avec validation externe limitée et biais de sélection (images experts, lésions déjà “typiques”). 3) Le dépistage n’est pas qu’une photo : l’examen clinique, la dermatoscopie, l’anamnèse (évolution, facteurs de risque) et surtout le suivi (comparaison dans le temps, photo-documentation) augmentent la valeur diagnostique. Message pratique : l’appli ne remplace pas la consultation ; elle peut au mieux servir de “signal d’alarme” si lésion nouvelle, changeante, symptomatique ou chez sujet à risque.
Argumentaire solide : l’idée clé est bien la non-transposabilité des performances « dataset » à la vraie vie. J’ajouterais deux points EBM qui pèsent dans la balance. D’abord, le problème du seuil et du coût des faux positifs : chez des utilisateurs à faible prévalence, même une bonne spécificité peut générer beaucoup d’alertes, donc anxiété, sur-consultations, et parfois biopsies inutiles. Ensuite, le risque symétrique est le faux négatif avec « réassurance » et retard diagnostique, d’autant que les applis évaluent une photo statique sans contexte (ABCDE complet, évolution, symptômes, terrain, antécédents, examen complet). La dermatoscopie + suivi (incluant total body/photographie, intervalle de recontrôle) reste un processus clinique intégré avec triage, contextualisation et gestion du risque. Les applis peuvent être un outil d’orientation, pas un dispositif de dépistage autonome.
Message pertinent, mais à renforcer sur la qualité des preuves. Pour rester EBM, préciser que beaucoup d’études sur applis IA grand public souffrent de biais de sélection (images « idéales », prévalence artificiellement élevée, exclusion des lésions difficiles), d’absence de validation externe et de comparateurs cliniquement pertinents. Il faut distinguer performance sur dataset vs performance en conditions réelles, ainsi que l’impact clinique (retard/accélération de diagnostic, faux rassurés, surconsultations). Rappeler aussi que la dermatoscopie avec suivi (imagerie sériée) s’inscrit dans un parcours diagnostique, avec triage, contexte clinique et possibilité de biopsie. Les applis peuvent au mieux être un outil d’orientation, mais ne remplacent ni l’examen cutané complet ni l’évaluation dermatologique, surtout pour lésions acrales, muqueuses, ongles, phototypes foncés ou images de mauvaise qualité.
Post très pertinent, mais pour l’ancrer davantage en EBM, il faut expliciter les limites méthodologiques typiques des études sur applis IA « grand public » : biais de sélection (photos “idéales”, exclusions de lésions amélanotiques/atypiques, peau foncée sous-représentée), prévalence artificiellement élevée (sur-estimation VPP/performances), manque de validation externe sur populations réelles et absence d’évaluation en conditions d’usage (prise de vue non standardisée). Ajouter aussi la question du comparateur : l’enjeu clinique n’est pas « IA vs expert » sur images, mais IA vs parcours de soins (dermatoscopie, suivi séquentiel, excision raisonnée). Enfin, rappeler l’impact des faux négatifs (retard diagnostique) et des faux positifs (anxiété, sur-consultations), et positionner ces applis comme outils de tri incertains, au mieux complémentaires, jamais substitutifs à l’examen dermatoscopique.
Le cadrage EBM est pertinent : les applis IA grand public relèvent davantage d’un outil de sensibilisation que d’un dispositif de dépistage validé. La littérature récente confirme une performance très dépendante du cas d’usage : bases d’images enrichies vs vraie vie, lésions “classiques” vs atypiques, et biais de sélection (photos de bonne qualité, patients déjà inquiets). En population générale à faible prévalence, même une sensibilité correcte peut se traduire par beaucoup de faux positifs, avec sur-consultations et parfois biopsies inutiles ; à l’inverse, le risque de faux négatifs pose un enjeu de retard diagnostique. Autre point d’actualité : l’évaluation réglementaire (MDR/CE, FDA) et la transparence des datasets restent hétérogènes, rendant les comparaisons difficiles. En pratique, les messages clés sont : ne pas rassurer sur un “score”, intégrer l’anamnèse et l’examen complet, et privilégier dermatoscopie + suivi (monitoring, total body photography) quand indiqué.