Lecture des mammographies

Un réentraînement local par transfer learning améliore les performances d’un algorithme développé aux États-Unis

icon réservé aux abonnésArticle réservé aux abonnés
Le 15/07/24 à 7:00

Cette étude rétrospective réalisée par des chercheurs australiens avait pour objectif d’évaluer les difficultés à rendre ces modèles d’apprentissage profond généralisables et réplicables (photo d'illustration). D. R.

En utilisant l’apprentissage par transfert (transfer learning), des chercheurs australiens sont parvenus à améliorer les performances sur les données locales d’un modèle d’apprentissage profond entraîné à l’université de New-York sur des données étasuniennes pour le dépistage du cancer du sein. Ils présentent les résultats de leurs travaux dans le revue Radiology: Artificial Intelligence [1]

Trois approches

Pour leur étude rétrospective, ils ont utilisé les examens de mammographie de patientes présentant des lésions prouvées par biopsie ou pathologie chirurgicale, et ceux de cas témoins appariés selon l’âge, réalisés dans le cadre d’un programme public de dépistage par mammographie numérique dans la région d’Australie-Méridionale. Ils ont appliqué l’algorithme new-yorkais à ces données en utilisant trois approches : sans réentrainement, avec réentraînement à partir de zéro et avec réentraînement selon la méthode d’apprentissage par transfert.

Des performances plus proches de l’origi

Il vous reste 59% 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. Condon J. J. J., Trinh V., Hall K. A. et al, « Impact of Transfer Learning Using Local Data on Performance of a Deep Learning Model for Screening Mammography », Radiology: Artificial Intelligence, mai 2024, vol. 6, n° 4. DOI : 10.1148/ryai.230383.

Spécialité médicale

Imagerie de la femme

Mots-clés

intelligence artificielle dépistage du cancer du sein mammographie apprentissage profond

Discussion

Aucun commentaire

Laisser un commentaire

Sur le même thème

Le fil Docteur Imago

06 Juin

16:30

Dans une note publiée fin mai, l'Institut Sapiens formule des recommandations pour « encadrer intelligemment » l'investissement privé dans le secteur de la radiologie, avec l'objectif de « permettre l’émergence de groupes capables de structurer l’offre de soins sur l’ensemble du territoire, y compris dans les zones sous-dotées ».

15:00

13:00

Clairity devient la première plateforme d’IA autorisée par la FDA pour prédire le risque de cancer du sein à partir d’une simple mammographie. Avec cette autorisation, la plateforme prévoit de se lancer parmi les principaux systèmes de santé d’ici 2025, « propulsant ainsi une nouvelle ère de médecine de précision dans le cancer du sein », indique un communiqué. 

7:50

Une méta-analyse publiée dans Radiology confirme la haute performance diagnostique de l’échographie, de la mammographie et de l’IRM mammaire pour détecter le cancer du sein associé à la grossesse. Ces examens sont efficaces chez les patientes symptomatiques enceintes ou allaitantes.

7:00

05 Juin

15:48

Une deuxième IRM a été inaugurée à l’hôpital de Draguignan (83) ce 30 mai. Yannick Neuder, ministre de la Santé et de l’Accès aux soins a aussi promis un renfort d'effectifs médicaux pour les années à venir, annonce le média Varmatin.com.
✕
Docteur Imago

GRATUIT
VOIR