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

15 Sep

15:26

La Food and Drug Administration (FDA) a donné son autorisation au logiciel CT:VQ, qui transforme un scanner thoracique sans injection de produit de contraste en cartes quantitatives de ventilation (V) et de perfusion (Q) par lobe pulmonaire, indique un communiqué publié dans zone bourse.

13:17

La société de radiologie interventionnelle (SIR) publie des recommandations actualisées pour la création et le suivi des fistules artérioveineuses percutanées (pAVF) destinées à l’hémodialyse. Ce guide pratique détaille la préparation des patients, la réalisation de la procédure, la gestion des complications et le suivi post-opératoire.

7:12

Une étude comparant l’imagerie par TEP au 18F-métaiodobenzylguanidine (MIBG) à la scintigraphie au 123I-MIBG chez des patients atteints de neuroblastome montre que le 18F-métafluorobenzylguanidine (MFBG) permet une détection plus rapide et plus précise des lésions.
12 Sep

16:00

La biopsie pulmonaire percutanée guidée par ultrasons (US-PLB) sur les patients pédiatriques serait sans rayonnement, sûre et précise d’après des chercheurs de l’hôpital de Beijing (Chine). Selon l’analyse de cohorte rétrospective menée sur 34 patients, l’US-PLB offrirait des conseils « critiques pour la prise de décision clinique ».  
Docteur Imago

GRATUIT
VOIR