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 14:10 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

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

30 Déc

12:30

L'obésité de classe 1 (IMC = 30-34,9) n'a pas été associée à des complications supplémentaires lors de l'insertion percutanée par un radiologue interventionnel d'un cathéter péritonéal de dialyse, dans une étude rassemblant 125 patients.

7:30

La présence de signal élevé généralisé, bilatéral et symétrique dans la substance blanche observée en IRM sur une séquence dSIR, est un marqueur potentiel pour la reconnaissance de changements secondaires dans le cerveau des patients qui présentent des symptômes persistants après un traumatisme cérébral. Étude.
29 Déc

16:41

Sonoscanner, fabricant français d’échographes, annonce avoir livré 150 échographes ultraportables à des centres médicaux ukrainiens. Une opération dans le cadre du Fonds de soutien aux infrastructures critiques et aux secteurs prioritaires de l’économie ukrainienne porté par la Direction générale du Trésor français.

12:39

Après avoir partagé trois dîners sur une période de 6 mois, les radiologues participant à une étude présentée dans Academic Radiology ont vu leur score de burn-out diminuer et leur satisfaction professionnelle s'améliorer à long terme.

7:36

Docteur Imago

GRATUIT
VOIR