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

Spécialité médicale

Oncologie Imagerie de la femme

Modalité d’imagerie

Mammographie

Mots-clés

intelligence artificielle mammographie

Discussion

Aucun commentaire

Laisser un commentaire

Sur le même thème

Le fil Docteur Imago

04 Août

7:21

La Fédération Nationale des Médecins Radiologues (FNMR) lance une consultation citoyenne pour recueillir la parole des radiologues, des médecins généralistes et spécialistes, et des patients sur l'avenir de l'imagerie médicale en France.

7:00

03 Août

17:00

Une étude européenne met en évidence une grande hétérogénéité des pratiques de formation au dépistage du cancer du poumon par scanner à faible dose, ainsi que des lacunes importantes, notamment dans la gestion des résultats incidentels, des nodules pulmonaires, l’utilisation de l’IA et la communication avec les patients. Elle souligne la nécessité de développer un programme de formation européen harmonisé afin de renforcer les compétences des professionnels de santé impliqués dans le dépistage.

11:00

Un modèle prédictif basé sur une IRM pourrait aider à prédire les conséquences cardiovasculaires indésirables chez les patients diabétiques, selon une étude publiée dans Radiology.

7:30

Le dépistage d’incidence avec la mammographie avec contraste amélioré (CEM) maintient une performance élevée et peut offrir plus d’avantages que le dépistage de base, pour le dépistage des femmes à risque élevé de cancer du sein, selon une étude publiée dans Radiology.

7:00

✕
Docteur Imago

GRATUIT
VOIR