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 Avr

16:00

RECIST 1.1 reste la norme pour évaluer la réponse tumorale, notamment pour les métastases hépatiques après traitement systémique. Les modifications au scanner et en IRM suggérant une nécrose, une fibrose, des calcifications et une hémorragie, peuvent être utilisées comme indicateurs supplémentaires de la réponse tumorale.

15:44

Des chercheurs ont examiné pour la première fois les tendances temporelles chez les patients subissant régulièrement un examen de scanner. Ces derniers ont observé une modification des pratiques d’imagerie depuis 2020, avec un taux d’examens récurrents en baisse après 2020 et une dose efficace médiane qui a augmenté après 2020 par rapport à avant 2020. (Étude).

13:15

L'arrêté du 11 avril 2025 renouvelle l'inscription du stent retriever ERIC®, fabriqué par la société MICROVENTION Europe, sur la liste des produits et prestations remboursables (LPPR) prévue à l'article L. 165-1 du Code de la sécurité sociale.

7:57

Le scanner du centre hospitalier de La Ferté-Macé (Orne) sera mis en service le jeudi 24 avril 2025, a annoncé le groupement hospitalier de territoire des Collines de Normandie dans un communiqué publié le 14 avril. Source : Ouest France.
Docteur Imago

GRATUIT
VOIR