Le radiologue scrute les nuances de gris et de blanc à l'écran — des dizaines de coupes du corps où il faut repérer chaque tache suspecte. La segmentation manuelle d'un patient prend une demi-heure, et dans un grand hôpital, ils sont des centaines. La fatigue et l'expérience variable des médecins engendrent inévitablement des disparités : deux spécialistes ne traceront pas exactement les mêmes contours pour une même lésion.
Cette routine est désormais prise en charge par le nouveau modèle open source GLOW-FDG. Il a été entraîné sur 1563 images fusionnées TEP et TDM (l'une montre où les cellules absorbent avidement le glucose, l'autre donne l'anatomie) pour différents types de cancer : sein, poumon, tête et cou, mélanome. Sur 185 scans externes provenant d'autres cliniques, le modèle a détecté les foyers avec plus de netteté que les programmes concurrents accessibles au public, et a produit moins de fausses alertes. L'évaluation de la « voracité glucidique » globale des tumeurs — un indicateur de leur agressivité — coïncidait presque avec celle d'oncologues expérimentés.
Un tel assistant ne remplace pas le médecin, mais le soulage de la partie la plus monotone de son travail. La segmentation automatique ouvre la voie à une extraction rapide de biomarqueurs quantitatifs (des signes mesurables de la maladie) directement à partir des images — sans délais superflus ni subjectivité.
Les tumeurs « brillent » souvent en TEP parce que les cellules cancéreuses consomment le glucose plusieurs fois plus activement que les cellules saines — un phénomène découvert par Otto Warburg dès les années 1920.