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

26 Oct

7:32

La radioembolisation transartérielle à l’yttrium-90 suivie de l’association atézolizumab–bévacizumab pourrait améliorer la survie par rapport à l’association atézolizumab–bévacizumab seule chez les patients atteints d’un carcinome hépatocellulaire avancé dont la fonction hépatique est bien préservée, selon une étude coréenne.

23 Oct

16:18

Le score de Kaiser en IRM mammaire présente une excellente précision diagnostique pour distinguer les lésions bénignes des lésions malignes chez les patientes présentant des anomalies BI-RADS 0 ou 4 en imagerie conventionnelle (étude).

13:16

Chez les patients obèses, le scanner à comptage photonique (PCCT) offre une meilleure qualité d’image que le scanner conventionnel (EID CT), avec un meilleur contraste et un rapport signal/bruit supérieur. Il permet également de réduire significativement la dose d’irradiation, en maintenant une bonne qualité diagnostique (étude).

7:45

Une étude a comparé un système d’intelligence artificielle aux critères PI-RADS pour la détection du cancer de la prostate cliniquement significatif en IRM, démontrant une sensibilité non inférieure à l’échelle du patient, mais inférieure à l’échelle lésionnelle. L’IA pourrait compléter PI-RADS pour optimiser le triage des biopsies, notamment des lésions indéterminées PI-RADS 3, concluent les chercheurs.
✕
Docteur Imago

GRATUIT
VOIR