JFR 2023

De nouvelles études éclairent l’intérêt de l’IA dans le dépistage du cancer du sein

Aux Journées francophones de radiologie de 2023, la radiologue Isabelle Thomassin-Naggara a décrypté les grandes études rétrospectives et prospectives récentes sur les apports de l'IA dans le dépistage du cancer du sein, et souligné la nécessité pour les professionnels d’évaluer les logiciels qui arrivent en clinique.

icon réservé aux abonnésArticle réservé aux abonnés
Le 04/12/23 à 7:00 Lecture 8 min.

« Ces cinq dernières années, il y a eu une explosion de la littérature concernant l'utilisation de logiciels d'IA en mammographie et en tomosynthèse », indique Isabelle Thomassin-Naggara. © François Mallordy

L'intelligence artificielle (IA) est en plein essor en mammographie, a affirmé Isabelle Thomassin-Naggara, présidente de la Société d’imagerie de la femme (SIFEM) lors d'une session des Journées francophones de radiologie (JFR 2023) consacrée à la tomosynthèse dans le dépistage, le 15 octobre au Palais des congrès de Paris. « Il y a eu une explosion de la littérature ces cinq dernières années, mais finalement assez peu de données prospectives », a-t-elle remarqué en débutant son intervention.

Des premières études de simulation

Si les premières études historiques évaluant l'intérêt de l'IA dans la mammographie étaient « des études de simulation sur de larges séries de dépistage où l'on comparait la lecture prospective du radiologue avec ce que permettait de prédire l’IA », selon l'intervenante, les études rétrospectives plus récentes ont comparé « la relecture par un radiologue expert dans le cadre de l’étude » à une interprétation rétrospective des examens mammographiques par l'IA.

Il vous reste 91% de l’article à lire

Docteur Imago réserve cet article à ses abonnés

S'abonner à l'édition
  • Tous les contenus « abonnés » en illimité
  • Le journal numérique en avant-première
  • Newsletters exclusives, club abonnés

Abonnez-vous !

Docteur Imago en illimité sur desktop, tablette, smartphone, une offre 100% numérique

Offre mensuelle 100 % numérique

23 €

par mois

S’abonner à Docteur Imago

Auteurs

François Mallordy

Bibliographie

  1. Lång K., Dustler M., Dahlblom V. et coll., « Identifying normal mammograms in a large screening population using artificial intelligence », European Radiology, septembre 2020, vol. 31, p. 1687-1692. DOI : 10.1007/s00330-020-07165-1.
  2. Larsen M., Aglen C. F., Lee C. I. et coll., « Artificial intelligence evaluation of 122969 mammography examinations from a population-based screening program », Radiology, mars 2022, vol. 303, n° 3. DOI : 10.1148/radiol.212381.
  3. Lauritzen A. D., Rodriguez-Ruiz A., von Euler-Chelpin M. C. et coll., « An artificial intelligence-based mammography screening protocol for breast cancer: outcome and radiologist workload », Radiology, avril 2022, vol. 304, n° 1. DOI : 10.1148/radiol.210948.
  4. Leibig C., Brehmer M., Bunk S. et coll., « Combining the strengths of radiologists and AI for breast cancer screening: a retrospective analysis », The Lancet Digital Health, juin 2022, vol. 4, n° 7. DOI : 10.1016/S2589-7500(22)00070-X.
  5. Larsen M., Aglen C. F., Hoff S. R. et coll., « Possible strategies for use of artificial intelligence in screen-reading of mammograms, based on retrospective data from 122,969 screening examinations », European Radiology, vol. 32, p. 8238-8246. DOI : 10.1007/s00330-022-08909-x.
  6. Dahlblom V., Dustler M., Tingberg A. et coll., « Breast cancer screening with digital breast tomosynthesis: comparison of different reading strategies implementing artificial intelligence », European Radiology, décembre 2022, vol. 33, p. 3754-3765. DOI : 10.1007/s00330-022-09316-y.
  7. Lång K., Josefsson V., Larsson AM.-M. et coll., « Artificial intelligence-supported screen reading versus standard double reading in the Mammography Screening with Artificial Intelligence trial (MASAI): a clinical safety analysis of a randomised, controlled, non-inferiority, single-blinded, screening accuracy study », The Lancet Oncology, août 2023, vol. 24, n° 8, p. 936-944. DOI : 10.1016/S1470-2045(23)00298-X.
  8. Dembrower K., Crippa A., Colon E. et coll., « Artificial intelligence for breast cancer detection in screening mammography in Sweden: a prospective, population-based, paired-reader, non-inferiority study », The Lancet Digital Health, octobre 2023, vol. 5, n° 10, e703-e711. DOI : 10.1016/S2589-7500(23)00153-X.
  9. Van Nijnatten, Payne N. R., Hickman S. E. et coll., « Overview of trials on artificial intelligence algorithms in breast cancer screening – A roadmap for international evaluation and implementation », European Journal of Radiology, septembre 2023. DOI : 10.1016/j.ejrad.2023.111087.
  10. Vasey B., Nagendran M., Campbell B. et coll., « Reporting guideline for the early-stage clinical evaluation of decision support systems driven by artificial intelligence: DECIDE-AI », Nature Medicine, vol. 28, p. 924-933. DOI : 10.1038/s41591-022-01772-9

Spécialité médicale

Oncologie Imagerie de la femme

Modalité d’imagerie

Mammographie

Mots-clés

dépistage du cancer du sein mammographie tomosynthèse

13 octobre 2023 au 16 octobre 2023

Journées francophones de radiologie 2023

Congrès
Palais des congrès de Paris, 2 place de la Porte Maillot, Paris, France, 75017, Île-de-France

Discussion

Aucun commentaire

Laisser un commentaire

Sur le même thème

Le fil Docteur Imago

21 Nov

15:00

13:31

Un réseau de neurones convolutifs (CNN) a été entraîné à détecter automatiquement les zones floues en mammographie dans des régions pertinentes pour le diagnostic. Ce modèle, s'il était implémenté en pratique clinique, pourrait fournir un retour utile aux MERM afin de réaliser rapidement de meilleures prises de vue qui soient de haute qualité, selon une étude rétrospective.

7:31

Un état de l'art en français sur la biopsie pulmonaire percutanée sous scanner présentant ses indications, ses contre-indications et les bonnes pratiques dans ce domaine a été publié le 14 novembre en accès libre dans le Journal d'imagerie diagnostique et interventionnelle.

7:00

20 Nov

16:01

Les séquences ciné en IRM cardiaque reconstruites par apprentissage profond et acquises sur trois cycles cardiaques permettent de réduire le temps d’acquisition de plus de 50 % par rapport à la séquence référence sans apprentissage profond, et le tout sans différence dans la qualité d'image, selon une étude prospective menée sur 55 volontaires sains en IRM 1,5 T.

15:00

✕
Docteur Imago

GRATUIT
VOIR