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

09 Jan

16:11

Une étude publiée dans BMC Urology a évalué la capacité de plusieurs grands modèles de langage à classer des comptes rendus d’IRM de la prostate selon le système PI-RADS v2.1. Le modèle GPT-o1 montre la meilleure concordance avec les radiologues, mais tous les modèles présentent des limites pour les lésions PI-RADS 3.

15:00

13:08

Chez les patients atteints d'occlusion aiguë des grands vaisseaux (LVO) de l’ACM et de sténose de l’artère intracrânienne sous-jacente traitée par stent de secours, l’administration préalable d’une thrombolyse intraveineuse n’est pas associée à une augmentation du risque d’hémorragie intracrânienne symptomatique ni de la mortalité à 90 jours (étude).

7:30

Un modèle de classification ternaire radiologique a obtenu des performances diagnostiques « excellentes » pour différencier les lésions pulmonaires sur des images de scanner, selon des résultats publiés dans Radiology.

7:00

08 Jan

15:17

Des chercheurs ont introduit un nouveau marqueur tumoral IRM appelé « signe sombre-clair-obscur » et suggèrent qu’il peut aider à prédire la métastase des ganglions lymphatiques chez les patients atteints d’un cancer rectal, selon une étude publiée dans Radiology.
✕
Docteur Imago

GRATUIT
VOIR