Intelligence artificielle

L’association radiologues – apprentissage profond montre son potentiel dans la détection du cancer du sein

Dans une étude rétrospective britannique, la combinaison d’algorithmes d’apprentissage profond et de lecteurs humains a permis d'obtenir une sensibilité non inférieure et une spécificité supérieure à celle d'une double lecture par des radiologues des mammographies de dépistage.

icon réservé aux abonnésArticle réservé aux abonnés
Le 13/12/24 à 15:00 Lecture 1 min.

Pour cette étude, trois algorithmes commercialisés (DL-1, DL-2 et DL-3) ont été évalués rétrospectivement de janvier 2022 à juin 2022, et des mammographies numériques de deux constructeurs distincts ont été recueillies sur deux sites britanniques pendant un an. © S. E. Hickman et coll. | RSNA 2024

Au Royaume-Uni, des radiologues ont évalué et comparé les performances de trois algorithmes d’apprentissage profond utilisés en lecteur unique de mammographies et utilisés conjointement avec un lecteur humain dans un système de double lecture. Leurs résultats sont parus au mois de novembre dans la revue Radiology [1].

Plus de 26 000 cas

Pour cette étude, trois algorithmes commercialisés (DL-1, DL-2 et DL-3) ont été étudiés rétrospectivement de janvier 2022 à juin 2022, et des mammographies numériques de deux constructeurs distincts ont été recueillies sur deux sites britanniques pendant un an (2017). Au total, 26 722 dossiers de mammographies de dépistage (âge médian de la cohorte : 59 ans) ont été inclus. Les cas comprenaient 332 cancers détectés par dépistage, 174 cancers de l’intervalle et 254 cancers détectés au cycle suivant.

L’IA non inférieure à l’humain

« Deux des trois algorithmes d'apprentissage profond ont atteint une sensibilité non inférieure (DL-1 : 64,8 % [328 sur 50

Il vous reste 60% 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

Carla Ferrand

Journaliste cheffe de rubrique

Voir la fiche de l’auteur

Bibliographie

    Hickman SE, Payne NR, Black RT, et al (2024) Deep Learning Algorithms for Breast Cancer Detection in a UK Screening Cohort: As Stand-alone Readers and Combined with Human Readers. Radiology 313:e233147. https://doi.org/10.1148/radiol.233147

Discussion

Aucun commentaire

Laisser un commentaire

Le fil Docteur Imago

18 Déc

15:12

Les thérapies ciblées moléculaires occupent une place croissante en oncologie, notamment avec l’émergence de la nectine-4, un antigène tumoral surexprimé dans plusieurs cancers et particulièrement pertinent dans le carcinome urothélial. Une revue parue dans JNM synthétise les avancées récentes en théranostique moléculaire ciblant la nectine-4, en mettant en évidence le développement de radiotraceurs spécifiques offrant des performances diagnostiques comparables ou supérieures aux méthodes d’imagerie standard.

13:10

Une étude évaluant la sécurité, la dosimétrie, les paramètres d’imagerie optimaux et l’efficacité initiale d’un nouveau radiotraceur ciblant le PSMA marqué au cuivre-61, le ^61Cu–1,4,7-triazacyclononane-1-glutarique-4,7-acétique (NODAGA)–PSMA, destiné à l’imagerie et à la thérapie (I&T), a montré que la thérapie ^61Cu-PSMA I&T était bien tolérée et qu’aucun événement indésirable n’a été rapporté au cours de cet essai de phase I.

7:21

L'ASNR publie un avis d'incident concernant des dégradations prématurées d’équipements de protection individuelle plombés de la société AMRAY.
17 Déc

16:32

Dans un communiqué, AZmed, société française d'intelligence artificielle, a annoncé l'arrivée de son nouveau produit AZnod certifié CE, un outil d’IA pour la détection des nodules pulmonaires.
Docteur Imago

GRATUIT
VOIR