Publirédactionnel | Information communiquée par Lunit

Intelligence artificielle

L’IA dans le dépistage du cancer du sein : une révolution en cours

L'IA a gagné du terrain dans le domaine de la santé, notamment en radiologie, où elle promet d'augmenter la précision diagnostique, d'optimiser les flux de travail et d'améliorer la prise en charge des patients, en analysant rapidement de grandes quantités de données.

Le 16/09/24 à 0:00, mise à jour le 17/09/24 à 14:38 Lecture 3 min.

Dr. Karin Dembrower, de l'hôpital St Göran (groupe Ramsay Santé), a adopté l'IA Lunit comme deuxième lecteur indépendant. Extrait vidéo Lunit

Depuis 1994, l’intelligence artificielle (IA) est évaluée en détection de lésion en mammographie, afin d’alléger la charge de travail des radiologues. Des preuves récentes soutiennent l’utilisation de l’IA dans le dépistage du cancer du sein. Lunit, par exemple, s’est distinguée dans plus de 45 études, améliorant les taux de détection et réduisant les rappels de faux positifs [1-4]. Au Royaume-Uni, en Norvège et en Turquie, des recherches ont montré que l’IA de Lunit pourrait réduire la charge de travail des cliniciens jusqu’à 70 % en triant les examens normaux [5-7].

En pratique : L’IA en tant que lecteur concurrent

De nombreux radiologues français utilisent des outils d’IA depuis des années. C’est le cas du Dr Marielle Pailler du groupe Imagerie Loire Forez à Saint-Étienne, membre du réseau Vidi : « Nous utilisons Lunit pour le dépistage depuis 2021 en 2D et maintenant également en 3D. L’introduction de l’IA nous a permis d’améliorer nos performances de détection, tout en augmentant notre productivité. »

La France a adopté l’IA dans le dépistage du cancer du sein plus tôt que la plupart des pays européens, bien que sa diffusion reste inégale sur le territoire. Certains de nos voisins avancent rapidement. En 2024, la branche Région Centre de la Ligue Portugaise Contre le Cancer a adopté Lunit pour son programme de dépistage, couvrant plus de 100 000 patientes par an. Le programme, qui comprend l’utilisation d’unités mobiles de mammographie, utilise l’IA pour optimiser le dépistage et préparer l’élargissement de la tranche d’âge du dépistage de 50-69 ans à 45-75 ans, selon le Dr Vitor Rodrigues.

Une approche innovante : L’IA en tant que second lecteur

Des études ont évalué l’impact de l’IA comme lecteur indépendant pour permettre aux radiologues de se concentrer sur les cas complexes. Une étude prospective de 2023 menée par l’Institut Karolinska en Suède, le ScreenTrustCAD trial, a comparé l’IA en tant que deuxième lecteur dans un contexte de double lecture traditionnelle [8]. Réalisée en collaboration avec l’hôpital St Göran du groupe Ramsay Santé, l’étude impliquant 55 581 femmes a révélé que l’IA améliorait les taux de détection du cancer et réduisait les faux positifs de façon significative [8].

Suite à ces résultats, l’hôpital St Göran a adopté Lunit comme deuxième lecteur indépendant, réduisant leur retard de lecture de 5-6 semaines à zéro. Le Dr Karin Dembrower a noté une amélioration significative : « Nous n’avions pas assez de radiologues spécialisés pour lire toutes les mammographies à temps, mais grâce à Lunit, nous avons pu relever ce défi sans compromettre les soins. Un an après la mise en œuvre, nous avons constaté une augmentation de 11,3 % du taux de détection du cancer et une réduction de 21,9 % du taux de rappel. »

L’IA remplacera-t-elle les humains ?

Les préoccupations concernant le remplacement des radiologues par l’IA minorent la pénurie de médecins experts, laquelle génère des temps d’attente plus longs et peut entraîner des retards dans la prise en charge des patients. L’IA est prête à compléter, et non à remplacer, les radiologues.

« La question n’est pas de savoir si l’intelligence artificielle sera mise en œuvre, mais quand » – Pr Nicolas Sellier

En France, de nombreuses régions peinent à recruter des radiologues du sein expérimentés pour la deuxième lecture, et certaines envisagent désormais une introduction partielle de l’IA comme deuxième lecteur. Au CRCDC d’Ile de France, sous l’égide du Pr Nicolas Sellier, l’IA suscite énormément d’intérêt. L’équipe du CRCDC, convaincue de la place de l’IA et de sa complémentarité dans le dépistage, de son bénéfice dans la réduction des cancers d’intervalle, travaillent à une nouvelle étude multi-vendeur, pour garantir la sécurité de l’IA comme second lecteur dans le flux de dépistage français. Selon le Pr Sellier, « La question n’est pas de savoir si l’intelligence artificielle sera mise en œuvre, mais quand ».

Pour en savoir plus sur Lunit : cliquez ici

Bibliographie

  1. Chang, Yun Woo, Jung Kyu Ryu, Jin Kyung An, Nami Choi, Kyung Hee Ko, Kyunghwa Han, and Young Mi Park, “Artificial Intelligence for Breast Cancer Screening in Mammography (AI-STREAM): Preliminary Analysis of a Prospective Multicenter Cohort Study,” July 10, 2024. https://doi.org/10.21203/rs.3.rs-4640159/v1.
  2. Kwon, Mi-ri, Yoosoo Chang, Soo-Youn Ham, Yoosun Cho, Eun Young Kim, Jeonggyu Kang, Eun Kyung Park, et al. “Screening Mammography Performance According to Breast Density: A Comparison between Radiologists versus Standalone Intelligence Detection.” Breast Cancer Research 26, no. 1 (April 22, 2024): 68. https://doi.org/10.1186/s13058-024-01821-w.
  3. Chang, Yun Woo, Jung Kyu Ryu, Jin Kyung An, Nami Choi, Kyung Hee Ko, Kyunghwa Han, and Young Mi Park. “Artificial Intelligence for Breast Cancer Screening in Mammography (AI-STREAM): Preliminary Analysis of a Prospective Multicenter Cohort Study,” July 10, 2024. https://doi.org/10.21203/rs.3.rs-4640159/v1.
  4. Chen, Yan, Adnan G. Taib, Iain T. Darker, and Jonathan J. James. “Performance of a Breast Cancer Detection AI Algorithm Using the Personal Performance in Mammographic Screening Scheme.” Radiology 308, no. 3 (September 2023): e223299. https://doi.org/10.1148/radiol.223299.
  5. Dembrower, Karin, Erik Wåhlin, Yue Liu, Mattie Salim, Kevin Smith, Peter Lindholm, Martin Eklund, and Fredrik Strand. “Effect of Artificial Intelligence-Based Triaging of Breast Cancer Screening Mammograms on Cancer Detection and Radiologist Workload: A Retrospective Simulation Study.” The Lancet Digital Health 2, no. 9 (September 1, 2020): e468–74. https://doi.org/10.1016/S2589-7500(20)30185-0.
  6. Seker, Mustafa Ege, Yilmaz Onat Koyluoglu, Ayse Nilufer Ozaydin, Sibel Ozkan Gurdal, Beyza Ozcinar, Neslihan Cabioglu, Vahit Ozmen, and Erkin Aribal. “Diagnostic Capabilities of Artificial Intelligence as an Additional Reader in a Breast Cancer Screening Program.” European Radiology, February 22, 2024. https://doi.org/10.1007/s00330-024-10661-3.
  7. Larsen, Marthe, Camilla F. Olstad, Christoph I. Lee, Tone Hovda, Solveig R. Hoff, Marit A. Martiniussen, Karl Øyvind Mikalsen, et al. “Performance of an Artificial Intelligence System for Breast Cancer Detection on Screening Mammograms from BreastScreen Norway.” Radiology: Artificial Intelligence 6, no. 3 (May 2024): e230375. https://doi.org/10.1148/ryai.230375.
  8. Dembrower K, Crippa A, Col6n E, Eklund M, Strand F, and the ScreenTrustCAD Trial Consortium. “Artificial intelligence for breast cancer detection in screening mammography in Sweden: a prospective, population-based, paired-reader, non-inferiority study.” The Lancet Digital Health, September 2023 https://doi.org/10.1016/S2589-7500(23)00153-X
Docteur Imago

GRATUIT
VOIR