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

cancer du sein intelligence artificielle ECR 2023

Discussion

Aucun commentaire

Laisser un commentaire

Sur le même thème

Le fil Docteur Imago

10 Août

14:00

Les coûts croissants et les inefficacités opérationnelles menacent la durabilité financière de l’IRM. L’optimisation des flux de travail, de la formation, de la planification et l’intégration de l’IA peuvent améliorer l’efficacité et générer des gains de revenus estimés entre 40 et 60 %, selon des projections rapportées dans une étude de Clinical Imaging.

12:10

7:00

07 Août

16:00

Pour la détection du cancer du sein, les performances diagnostiques des protocoles d'IRM abrégée par rapport à l'IRM standard varient selon le protocole et le contexte clinique. La technique FAST conserve une sensibilité élevée, tandis que la combinaison FAST + ultrafast + T2W offre une spécificité supérieure dans un contexte diagnostique (étude).

14:30

72 % des patientes préfèreraient l'angiomammographie à l'IRM mammaire lorsque les performances diagnostiques sont comparables. Cette préférence est liée à une sensation de claustrophobie moindre, à une durée d'examen plus courte et à un niveau d'anxiété plus faible (étude).

7:10

La Société nord-américaine de radiologie (RSNA) annonce le lancement de son challenge IA pour l'imagerie du genou. Les modèles développés seront évalués sur leur capacité à détecter et à classer avec précision les anomalies du genou visibles à l'IRM. Les gagnants seront annoncés au prochain congrès de la RSNA qui se tiendra du 29 novembre au 3 décembre.
✕
Docteur Imago

GRATUIT
VOIR