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 Juil

7:30

Selon une étude, les examens de TEP-TDM devraient être envisagés comme examen de première intention pour diagnostiquer les patients atteints de fièvre d'origine inconnue. Les chercheurs mettent en avant la performance diagnostique et l'impact vertueux sur la prise en charge des patients

7:00

29 Juil

16:21

Le groupe de travail sur l'abdomen de la Société européenne de radiologie pédiatrique publie ses recommandations pour les examens de fluoroscopie du tractus gastro-intestinal supérieur chez l'enfant.

14:17

Le score LI-RADS v2024 sans rayonnements a démontré d'excellentes performances diagnostiques et s'est révélé performant pour évaluer la viabilité tumorale chez des patients atteints d'un CHC traités par radiothérapie faible dose associée à une immunothérapie ciblée (étude).

7:47

Les adolescents sportifs présenteraient des différences spécifiques à la région, à la zone et à la couche dans les temps de relaxation du cartilage du genou T2 par rapport aux non sportifs. Cette cartographie pourrait permettre de détecter les cartilages à risques avant que des dommages structurels visibles ne se produisent. (Etude)

7:00

✕
Docteur Imago

GRATUIT
VOIR