Le diagnostic de la maladie de Sjögren (MSj) repose en partie sur le focus score (FS) qui analyse le nombre d’agrégats lymphocytaires dans la biopsie des glandes salivaires accessoires (BGSA). Or ce FS est difficile à évaluer en dehors de centres experts. La relecture du focus score conduit à un reclassement du diagnostic dans la moitié des cas, le plus souvent vers l’absence de MSj. L’objectif de l’étude PATHSAI était d’utiliser l’intelligence artificielle pour effectuer la prédiction automatique du FS du diagnostic de MSj basé seulement sur la BGSA. Le second objectif était d’identifier les pattern histologiques associés à cette prédiction avec potentiellement d’autres patterns que le focus score.

L’étude a porté sur des lames scannées de BGSA de 3 populations de patients : ceux atteints de sècheresse sans MSj et ceux atteints de MSj avec un FS ≥1 ou FS<1. Les patients provenaient de 6 centres experts du consortium européen H2020 NECESSITY. Tous les patients atteints de MSj remplissaient les critères EULAR/ACR 2016. Un modèle de deep learning a été entraîné sur des lames de 5 centres et validé sur un sixième centre. Les valeurs de Shapley ont été utilisées pour expliquer les Résultats de la prédiction et un travail de clustering a permis de visualiser les pattern histologiques associés à la MSj.

L’étude a porté sur 545 patients. Pour la tâche de prédiction FS, le modèle a atteint une AUROC de 0,88 [0,82–0,94] avec une spécificité de 93 % et une sensibilité de 60 % (Tableau 1). Pour la prédiction du diagnostic de MSj, le modèle a donné une AUROC de 0,89 [0,82–0,94] (Tableau 2). L’AUROC était meilleure sur la population SSA- 0.95 [0,87–1,0]. Parmi les patterns utilisés par le modèle pour prédire la MSj la présence de lymphocytes au sein de l’épithélium acinaire a été associé au diagnostic de MSj (Figure 1A). Ces lymphocytes ont été identifiés comme des lymphocytes T-CD8 par immunohistochimie (Figure 1B).

L’étude PATHSAI a permis à des modèles de deep learning de prédire le focus score et la MSj en utilisant uniquement la BGSA de manière fiable. Les parties des lames utilisées pour la prédiction de la MSj nous ont permis de décrire un nouveau type d’infiltration lymphocytaire CD8 dans les acini, associé au diagnostic de MSj. D’autres études sont nécessaires pour confirmer la validité des modèles en pratique clinique.