Apprentissage profond

Une IA suédoise prédit mieux le risque de cancer du sein que les modèles basés sur la densité mammaire

En Suède, des chercheurs ont testé avec succès un modèle de prédiction du risque de cancer du sein basé sur l’apprentissage profond. Leur méthode serait plus performante et produirait moins de faux négatifs que les modèles de risque basés sur la densité mammaire.

icon réservé aux abonnésArticle réservé aux abonnés
Le 07/01/20 à 8:00, mise à jour hier à 14:09 Lecture 2 min.

Deux exemples : à gauche, mammographie d'une femme de 56 ans ayant un score de risque élevé avec l'apprentissage profond (0,30) et qui a reçu un diagnostic de cancer du sein 5,1 ans après l'examen ; à droite, mammographie d'une femme de 57 ans ayant un score de risque élevé avec l'apprentissage profond (0,30) et qui a reçu un diagnostic de cancer du sein 5 ans après l'examen. © K. Dembrower/Radiology

Prédire le risque de cancer du sein de façon fiable grâce à l’intelligence artificielle, c’est possible. D’après les résultats d’une étude publiée en décembre 2019 dans la revue Radiology [1], une méthode développée à l’Institut Karolinska, à Stockholm (Suède), serait même plus performante que les modèles existants.

Extraire davantage d’informations des mammographies

Le modèle s’appuie sur un système d’apprentissage profond. L’approche est innovante, affirment les auteurs de l’étude. « La plupart des modèles de prédiction du risque de cancer du sein se basent sur des questionnaires et des évaluations de la densité mammaire », observent-ils. Or, notent-ils, l’évaluation visuelle de la densité est limitée par la variabilité entre les lecteurs. Ils ont postulé qu’un réseau de neurones entraîné pourrait extraire des informations supplémentaires des images mammographiques pour affiner ses prédictions.

Une cohorte de plus de 2000 femmes

Pour entraîner et valider leur algorithme, Karin Dembrower

Il vous reste 71% 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

Carla Ferrand

Bibliographie

  1. Dembrower K., Liu Y., Azizpour H. et coll., « Comparison of a Deep Learning Risk Score and Standard Mammographic Density Score for Breast Cancer Risk Prediction », Radiology, 17 décembre 2019, publication en ligne. DOI : 10.1148/radiol.2019190872.

Discussion

Aucun commentaire

Laisser un commentaire

Sur le même thème

Le fil Docteur Imago

22 Nov

16:00

Pour les patients non obèses, l’utilisation combinée d’une faible tension du tube (60 kVp) et d’un nouvel algorithme de reconstruction d’images par apprentissage profond (ClearInfinity, DLIR-CI) peut préserver la qualité de l’image tout en permettant des économies de dose de rayonnement et de produit de contraste pour le scanner aortique (étude).

14:39

La découverte fortuite d’anciens accidents vasculaires cérébraux lors d'examens de scanner permettrait aux cliniciens de mettre en place des mesures qui pourraient bénéficier à 100 000 à 200 000 patients par an aux États-Unis pour prévenir de futurs AVC (étude).

7:30

Le Sénat a adopté le 19 novembre un amendement gouvernemental au PLFSS 2025 qui prévoit d'exonérer de cotisations pour l'assurance vieillesse les médecins en situation de cumul emploi-retraite qui exercent dans les zones sous-denses. La Caisse autonome de retraite des médecins français (CARMF) s'alarme dans un communiqué des conséquences de cette mesure.
Docteur Imago

GRATUIT
VOIR