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 14:11 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

21 Fév

13:40

Selon une étude publiée dans Radiology, un algorithme d’apprentissage profond disponible dans le commerce peut permettre des examens IRM de l’épaule de bonne qualité en sept minutes.

7:37

Le parlement a adopté définitivement le budget 2025 de la Sécurité sociale ce 17 février. Il prévoit une hausse des dépenses d’Assurance maladie de 3,4 %, pour atteindre un montant de 265 milliards d’euros.
20 Fév

16:01

L’imagerie des paramètres d’atténuation par ultrasons peut être utilisée pour le dépistage clinique afin d’évaluer la prévalence de la MASLD chez les patients en surpoids ou obèses et de suivre de manière dynamique la progression de la maladie, conclut une étude publiée dans Clinical radiology.

13:31

Le modèle de langage appelé Axpert démontre un potentiel de marquage automatique de l’entérocolite nécrosante sur les comptes-rendus de radiographie abdominale infantile. Cette méthode de marquage peut ainsi servir de cadre pour d’autres modalités d’imagerie et maladies chez les enfants, et les maladies rares chez l’adulte, suggère une étude publiée dans JAMIA Open.
Docteur Imago

GRATUIT
VOIR