Avec la popularisation des examens d’imagerie et le vieillissement accéléré de la population, le taux de détection des tumeurs du pancréas a considérablement augmenté. Les différents types de tumeurs pancréatiques présentent d’importantes différences en termes de comportement biologique et de pronostic des patients, nécessitant un diagnostic précis et une stratification du risque en clinique. Ces dernières années, les techniques d’intelligence artificielle telles que la radiomique, l’apprentissage profond et la fusion multi-omique ont nettement amélioré la détection précoce, la différenciation des sous-types et l’évaluation du pronostic des tumeurs pancréatiques. Les systèmes représentatifs utilisés pour le diagnostic précoce affichent une aire sous la courbe (AUC) supérieure à 0,98, et les modèles IA multi-omiques ont également amélioré efficacement la prédiction des traitements personnalisés. Cependant, le manque de partage des données et l’explicabilité des modèles limitent encore leur application clinique. À l’avenir, il conviendra de renforcer la standardisation, les recherches sur l’explicabilité et la validation clinique multicentrique pour promouvoir un diagnostic et un traitement précis des tumeurs pancréatiques assistés par l’IA.

Tumeurs du pancréas;Intelligence artificielle;Radiomique;Apprentissage profond