Lecture des mammographies

Un réentraînement local par transfer learning améliore les performances d’un algorithme développé aux États-Unis

icon réservé aux abonnésArticle réservé aux abonnés
Le 15/07/24 à 7:00

Cette étude rétrospective réalisée par des chercheurs australiens avait pour objectif d’évaluer les difficultés à rendre ces modèles d’apprentissage profond généralisables et réplicables (photo d'illustration). D. R.

En utilisant l’apprentissage par transfert (transfer learning), des chercheurs australiens sont parvenus à améliorer les performances sur les données locales d’un modèle d’apprentissage profond entraîné à l’université de New-York sur des données étasuniennes pour le dépistage du cancer du sein. Ils présentent les résultats de leurs travaux dans le revue Radiology: Artificial Intelligence [1]

Trois approches

Pour leur étude rétrospective, ils ont utilisé les examens de mammographie de patientes présentant des lésions prouvées par biopsie ou pathologie chirurgicale, et ceux de cas témoins appariés selon l’âge, réalisés dans le cadre d’un programme public de dépistage par mammographie numérique dans la région d’Australie-Méridionale. Ils ont appliqué l’algorithme new-yorkais à ces données en utilisant trois approches : sans réentrainement, avec réentraînement à partir de zéro et avec réentraînement selon la méthode d’apprentissage par transfert.

Des performances plus proches de l’origi

Il vous reste 59% 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

Solenn Duplessy

Voir la fiche de l’auteur

Bibliographie

  1. Condon J. J. J., Trinh V., Hall K. A. et al, « Impact of Transfer Learning Using Local Data on Performance of a Deep Learning Model for Screening Mammography », Radiology: Artificial Intelligence, mai 2024, vol. 6, n° 4. DOI : 10.1148/ryai.230383.

Spécialité médicale

Imagerie de la femme

Mots-clés

intelligence artificielle dépistage du cancer du sein mammographie apprentissage profond

Discussion

Aucun commentaire

Laisser un commentaire

Sur le même thème

Le fil Docteur Imago

25 Sep

7:45

Un algorithme testé par une équipe de chercheurs danois a démontré une bonne précision pour la détection de fractures d'extrémités en situation d'urgence. Cependant, la valeur prédictive positive inférieure par rapport aux comptes rendus de radiologie et l'apparition de faux positifs soutiennent son utilisation comme aide à la décision plutôt que pour le diagnostic autonome. (Étude)

7:00

24 Sep

17:30

Dans une étude présentée dans JACR, les répétitions d'examens IRM cérébrales liées aux mouvements des patients ont généralement permis d'améliorer la qualité de l'image et la fiabilité du diagnostic, tandis que les répétitions des cholangiopancréatographies n'ont apporté qu'un bénéfice limité. « Ces résultats plaident en faveur d'un suivi au niveau des séquences afin d'orienter les stratégies ciblées de réduction des mouvements », concluent les chercheurs.

17:00

À l’occasion d’Octobre Rose, l’hôpital Paris-Saint-Joseph organise le jeudi 8 octobre une journée portes ouvertes, avec des conférences autour du dépistage, la palpation des seins et la psychologie dans le suivi du cancer.

15:00

7:00

✕
Docteur Imago

GRATUIT
VOIR