Évaluation du risque de cancer

L’IA meilleure qu’un modèle de risque clinique pour prédire un cancer du sein

Une étude américaine montre que les algorithmes d’IA de mammographie seuls peuvent améliorer la prédiction du risque de cancer du sein dans les 5 ans par rapport aux modèles de risque clinique actuels. La combinaison des deux a encore amélioré la prédiction.

icon réservé aux abonnésArticle réservé aux abonnés
Le 22/06/23 à 15:00, mise à jour le 11/09/23 à 13:24 Lecture 3 min.

Lors de l’utilisation d’un examen de dépistage négatif, l’IA a prédit les risques de cancers du sein de 0 à 5 ans mieux que le modèle de risque clinique du BCSC (photo d'illustration). © Carla Ferrand

Dans le cadre d’une étude de cohorte rétrospective publiée dans la revue Radiology, une équipe de chercheurs américains de l’établissement de santé Kaiser Permanente Northern California a comparé les capacités de cinq algorithmes existants d’intelligence artificielle (IA) et du modèle de risque clinique du Breast Cancer Surveillance Consortium (BCSC) à prédire le risque de cancer du sein sur 5 ans [1].

Des modèles de risque à l'efficacité modérée

Les modèles d’évaluation du risque de cancer du sein tels que le BCSC sont généralement utilisés pour évaluer et orienter les considérations cliniques telles que le risque héréditaire, la nécessité de dépistage supplémentaire ou de médicaments réduisant les risques, souligne l’article. « Ces modèles prennent en compte l’âge, les facteurs cliniques, les facteurs génétiques et la densité mammaire évaluée en mammographie, mais n’ont qu’une discrimination modérée pour prédire le risque de cancer du sein sur 5 ou 10 ans », rapportent les auteurs.

Géné

Il vous reste 77% 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

Solenn Duplessy

Voir la fiche de l’auteur

Bibliographie

  1. Arasu V. A., Habel L. A., Achacoso N. S. et coll., « Comparison of mammograp^hy AI algorithms with a clinical risk model for 5-year breast cancer risk prediction: an observational study », Radiology, epub 6 juin 2023. DOI : 10.1148/radiol.222733.

Discussion

Aucun commentaire

Laisser un commentaire

Sur le même thème

Le fil Docteur Imago

7:30

Une étude montre que la TEP-IRM ciblant la protéine d'activation des fibroblastes (FAP) détecte davantage de lésions suspectes d’endométriose que l’IRM conventionnelle, soutenant son intérêt comme outil complémentaire pour l’évaluation préopératoire.
11 Juin

16:00

L’ASNR a été informée d’une erreur de radiothérapie, classée au niveau 2 de l’échelle ASN-SFRO, survenue en mars 2026 au CHU de Saint-Étienne (42). Une dose de 9 Gy destinée à une vertèbre atteinte d’une métastase a été administrée par erreur à la vertèbre voisine saine en raison d’un mauvais positionnement du patient.

13:00

Des modèles d’intelligence artificielle évalués pour la classification de la malignité des nodules pulmonaires au scanner thoracique ont montré une sensibilité élevée (88 %) mais une spécificité modérée (75 %), soutenant un rôle potentiel dans les stratégies d’exclusion d'un cancer pulmonaire étude).

9:30

Selon une étude publiée dans The Journal of Nuclear Medicine, un nouveau système de TEP-TDM à champ de vision à long axe (LAFOV), utilisant des détecteurs de 30 mm au germanate de bismuth (BGO) avec des photomultiplicateurs au silicium offre une qualité d’image supérieure à la TEP-TDM à champ de vision court-axial (SAFOV) malgré des réductions marquées du temps d’acquisition, avec des caractéristiques de bruit comparables sur plusieurs radiopharmaceutiques.
Docteur Imago

GRATUIT
VOIR