Aide au diagnostic

L’IA prometteuse en échographie du sein malgré ses limites

Une session de l’ECR 2023 a fait le point sur les avancées de l’intelligence artificielle en échographie mammaire. Si ses résultats dépendent encore trop de l’opérateur, la lecture automatique des échographies montre de bonnes performances pour la détection et la classification des lésions.

icon réservé aux abonnésArticle réservé aux abonnés
Le 13/03/23 à 16:00, mise à jour aujourd'hui à 15:08 Lecture 4 min.

Par rapport à la mammographie, l'utilisation de l'IA en échographie se confronte à des limites techniques significatives, a expliqué Tamar Sella. Capture d'écran ECR 2023

L’exercice est désormais un incontournable des rassemblements scientifiques : plusieurs sessions du Congrès européen de radiologie 2023 ont fait l’état de lieux des applications de l’intelligence artificielle (IA) dans différentes surspécialités. Vendredi 3 mars, c’était l’imagerie du sein. Parmi les trois intervenantes, Tamar Sella, cheffe de l’unité d’imagerie du sein du CHU Hadassah, à Jérusalem (Israël), a fait le point sur l’IA en échographie mammaire.

Une fiabilité dépendante de l’opérateur

« L’IA a le potentiel d’améliorer la précision de l’échographie mammaire en fournissant une analyse automatique et objective des données d’imagerie, sans être affectée par la fatigue des radiologues », entame-t-elle. Toutefois, par rapport à la mammographie, son utilisation en échographie se confronte à des limites techniques significatives. Pour commencer, les données disponibles pour l’entraînement sont encore peu nombreuses. « C’est un problème, en particulier pour les lésions rares ou peu co

Il vous reste 83% 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

Jérome Hoff

Rédacteur en chef adjoint BOM Presse Clichy

Voir la fiche de l’auteur

Bibliographie

  1. Brunetti N., Calabrese M., Martinoli C. et coll., « Artificial intelligence in ultrasound: from diagnosis to prognosis-a rapid review », Diagnostics, 2023, vol. 123, n°1 : 58. DOI : 10.3390/diagnostics13010058
  2. Byra M., Galperin M., Ojeda-Fournier H. et coll., « Breast mass classification in sonography with transfer learning using a deep convolutional neural network and color conversion », Medical Physics, février 2019, vol. 46, n° 2, p. 746-755. DOI : 10.1002/mp.13361.
  3. Huang Y., Han L., Dou H. et coll., « Two-stage CNNs for computerized BI-RADS categorization in breast ultasound images », BioMedical Engineering Online, 2019, vol. 18, n° 8. DOI : 10.1186/s12938-019-0626-5
  4. Hejduk P., Marcon M., Unkelbach J. t coll., « Fully automatic classification of automated breast ultrasound (ABUS) imaging according to BI-RADS using a deep convolutional neural network », European Radiology, juillet 2022, vol. 32, p. 4868-4878. DOI : https://10.1007/s00330-022-08558-0
  5. Wu L., Ye W., Liu Y. et coll., « An integrated deep learning model for the prediction of pathological complete response to neoadjuvant chemotherapy with serial ultrasonography in breast cancer patients: a multicentre retrospective study », Breast Cancer Research, novembre 2022, vol. 24, n° 1 : 81. DOI : 10.1186/s13058-022-01580-6.
  6. Jiang M., Zhang D., Tang S.-C. et coll., « Deep learning with convolutional neural network in the assessment of breast cancer molecuoar subtipes based on US images: a multicenter prospective study », European Radiology, juin 2021, vol. 31, n° 6, p. 3673-3682. DOI : https://doi.org/10.1007/s00330-020-07544-8.
  7. Ye H., Hang J., Zhang M. et coll., « Automatic identification of triple negative breast cancer in ultrasonography using a deep convolutional neural network », Scientific Reports, vol. 11, n° 20474. DOI : 10.1038/s41598-021-00018-x

Spécialité médicale

Imagerie de la femme

Modalité d’imagerie

Échographie

Mots-clés

intelligence artificielle ECR 2023 cancer du sein

Discussion

Aucun commentaire

Laisser un commentaire

Sur le même thème

Le fil Docteur Imago

05 Oct

16:21

La présence d'une couronne échogène entourant une masse est associée à une tumeur maligne invasive et correspond à une évolution du carcinome canalaire in situ vers un cancer invasif d'après l'examen histopathologique postopératoire, selon une étude présentée dans Academic Radiology. Toutefois, elle n'apporte guère d'informations supplémentaires utiles aux radiologues sur le plan diagnostique ou pronostique.

15:00

14:16

L'apprentissage machine utilisant des caractéristiques radiomiques des tissus adipeux épicardiques est prometteur pour prédire la fibrillation atriale, mais l'hétérogénéité des études sur le sujet freine encore son adoption en pratique clinique. Étude.

7:31

Les injections de corticostéroïdes guidées par échographie pourraient améliorer les résultats rapportés par les patients et réduire les événements indésirables dans le traitement du syndrome du canal carpien, ce qui soutient leur utilisation préférentielle par rapport aux injections guidées par repère anatomique lorsque l’expertise et les ressources nécessaires sont disponibles. (Etude)

7:00

02 Oct

12:09

L’IA en radiologie peut réduire le temps de rendu des examens, notamment en radiographie traumatique et en IRM du genou mais la latence de l’infrastructure reste le principal frein à une utilisation clinique efficace (étude).
✕
Docteur Imago

GRATUIT
VOIR