Dépistage du cancer du sein

Un tri et un filet de sécurité par IA pour optimiser l’interprétation des mammographies

Des chercheurs ont développé un algorithme qui ne réfère que les mammographies anormales à un radiologue puis agit comme un « filet de sécurité » si le radiologue ne trouve rien sur les images particulièrement suspicieuses. Leur méthode surpasserait en performances le radiologue seul et l'IA seule tout en économisant la charge de travail du médecin.

icon réservé aux abonnésArticle réservé aux abonnés
Le 01/09/22 à 7:00, mise à jour aujourd'hui à 15:10 Lecture 2 min.

Comparés à la méthode des auteurs basée sur une IA qui réfère uniquement les cas problématiques au radiologue (courbe ROC bleue), le radiologue seul (point rouge) comme l'IA autonome (point violet) atteignent une sensibilité et une spécificité inférieures. © Leibig et coll., The Lancet Digital Health | CC BY 4.0

Une nouvelle méthode de dépistage du cancer du sein alliant intelligence artificielle et expertise humaine, baptisée decision-referral approach, pourrait surclasser les performances des radiologues, tout en allégeant leur charge de travail, annoncent ses concepteurs allemands.
Plusieurs IA ont déjà été testées pour repérer le cancer du sein sur des mammographies dans le cadre du dépistage organisé lors d'une deuxième lecture complètement autonome, mais ces algorithmes nécessitent la lecture de tous les examens par le radiologue, ce qui ne diminue pas la charge de travail du professionnel de santé, rappellent-ils dans la revue The Lancet Digital Health [1]. Enfin, si d'autres IA à l'essai envoient uniquement les mammographies anormales à étudier au radiologue, ces logiciels sont encore aujourd'hui associés à une diminution de la sensibilité du dépistage, soulignent les chercheurs

Combiner tri des images normales et « filet de sécurité » 

Pour pallier cette difficulté à combiner radiologu

Il vous reste 75% 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

François Mallordy

Journaliste rédacteur spécialisé

Voir la fiche de l’auteur

Bibliographie

  1. Leibig C., Brehmer M., Bunk S. et coll., « Combining the strenghts of radiologists and AI for breast cancer screening: a retrospective analysis », The Lancet Digital Health, juillet 2022, vol. 4, n° 7, E507-E509. DOI : 10.1016/S2589-7500(22)00070-X.

Discussion

Aucun commentaire

Laisser un commentaire

Le fil Docteur Imago

10 Avr

15:32

Un modèle d’IA à apprentissage profond montre un potentiel en tant qu’outil de dépistage opportuniste de la santé osseuse chez les enfants, selon une étude publiée dans Radiology.

13:14

Les événements de sécurité des patients en radiologie représentent une faible proportion des incidents (3,2 %), mais révèlent des vulnérabilités importantes, notamment chez les enfants et les personnes âgées, avec un risque élevé lié aux médicaments et aux produits de contraste, selon une étude publiée dans Current Problems in Diagnostic Radiology

7:13

Les patientes atteintes d’un cancer du sein qui développent un dysfonctionnement cardiaque lors d’une chimiothérapie néoadjuvante subissent également une perte de tissu cérébral significativement plus importante que celles dont la fonction cardiaque reste stable, selon une étude publiée dans Academic Radiology.
09 Avr

16:21

Une étude multicentrique publiée dans European Radiology montre qu’un modèle de deep learning combinant nnU-Net et ConvNeXt-tiny permet d’évaluer avec précision l’invasion musculaire dans le cancer de la vessie à partir d’IRM, avec des performances élevées et stables.
Docteur Imago

GRATUIT
VOIR