Introduction: La prédiction des récidives après traitement des tumeurs urothéliales superficielles de vessie (rTV) est un élément majeur de leur prise en charge. Bien que l’efficacité des marqueurs pronostiques actuels soit limitée en utilisant les méthodes statistiques classiques, l’utilisation de méthodes modernes utilisant l’intelligence artificielle (IA) pourraient apporter une plus grande précision.

L’objectif de ce travail était de comparer, dans la prédiction des rTV, la régression logistique (RL) classique et deux techniques d’IA : les réseaux artificiels neuronaux (RAN) et la technologie neurofloue (TN).

Matériel et Méthodes : Les tumeurs de 109 patients présentant des rTV de stades et de grades différents étaient étudiées. Pour les trois modèles (RAN, TN, RL) dix marqueurs cliniques, histologiques et expérimentaux incluant p53, et des protéines de réparation de l’ADN étaient intégrés en entrée. La récidive était intégrée en sortie.

Résultats : La précision des RAN et des TN était de 88-95%. Les RAN et la TN étaient supérieures à la RL (p<0.006). Dans la prédiction du délai de récidive, les TN étaient supérieures aux RAN (p<0.001). Pour la détermination des critères de prédictions les plus utiles à la prédiction des rTV, la TN était également supérieure. Ces critères étaient du grade tumoral, du statut de p53, du tabagisme et de l’age.

Conclusion : L’utilisation de l’IA permet de prévoir avec précision les rTV. Les TN sont supérieures aux RAN, dans la prédiction du délai de récidive et dans l’évaluation des facteurs pronostiques.

SUBVENTIONNE PAR NHS