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

30 Juin

15:48

Les récepteurs de la somatostatine (SSRT) pourraient être une cible prometteurs chez une petite proportion de patientes atteintes d'un cancer avancé du sein ER positif, conclut une étude qui a évalué un radiopharmaceutique agoniste ([68Ga]Ga-DOTATOC) et un antagoniste ([68Ga]Ga-SSO120) de ces récepteurs.

15:00

12:48

Intégrer l'IRM cardiaque dans le modèle PREVENT de calcul des risques d'événements cardiovasculaires permet d'améliorer la prédiction de ces risques et met en lumière des différences hommes/femmes, conclut une étude publiée dans Radiology.

7:48

Les modifications visuelles et quantitatives apparaissant sur un examen de TEP au [18F]FDG d'étape réalisé après le troisième cycle d'une thérapie au [177Lu]Lu-PSMA sont associées à la survie sans progression chez des patients atteints de cancer de la prostate métastatique résistant à la castration. Étude.

7:00

29 Juin

15:48

La superbe imagerie microvasculaire (superb microvascular imaging), nouvelle technique d'échographie doppler, s'est montrée prometteuse pour évaluer la complétude et les résultats cliniques d'une ablation par micro-ondes chez des patients atteints d'une hyperparathyroïdie primaire, dans une étude prospective décrite dans European Journal of Radiology.
✕
Docteur Imago

GRATUIT
VOIR