Évaluation des risques

Une IA surpasse la densité mammaire pour prédire le cancer du sein

Dans une étude menée aux États-Unis, un modèle d'apprentissage profond s'est montré plus efficace que l'évaluation de la densité mammaire pour anticiper le risque de cancer du sein à 5 ans. Une piste pour mieux guider les stratégies de dépistage.

icon réservé aux abonnésArticle réservé aux abonnés
Le 05/06/26 à 15:00 Lecture 2 min.

Le modèle d’apprentissage profond a identifié davantage de cas de cancers futurs, après avoir ciblé moins de patientes (photo d'illustration). © Carla Ferrand

Baptisé Mirai, un modèle d’apprentissage profond développé par le Massachusetts institute of Technology (MIT) et le Massachusetts General Hospital, serait plus précis et plus performant que l’analyse de la densité mammaire pour prédire le risque de cancer du sein chez la femme, sans avoir besoin de questionnaires ou de recueillir des données liées aux antécédents des patientes.

La densité mammaire comme facteur de risque

Le critère de la densité est généralement utilisé aux États-Unis pour déterminer un accès à une couverture santé plus importante pour des examens de dépistage supplémentaires : avoir des seins denses favoriserait le risque de développer un cancer et diminuerait l'efficacité diagnostique des mammographies. Une équipe de chercheurs a voulu déterminer si un outil basé sur l'intelligence artificielle pourrait améliorer cette stratification des risques et permettre de limiter la surutilisation des ressources d’imageries, les faux positifs et un impact financier potentiellemen

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

Inès Bourdon

Journaliste spécialisée

Voir la fiche de l’auteur

Bibliographie

  1. Lamb LR, Mercaldo SF, Carney A, Lehman CD (2026) A Deep Learning Breast Cancer Risk Model for Precise Supplemental Screening. JAMA Netw Open 9:e2610559. https://doi.org/10.1001/jamanetworkopen.2026.10559.

Spécialité médicale

Imagerie de la femme

Modalité d’imagerie

Mammographie

Mots-clés

intelligence artificielle dépistage du cancer du sein

Discussion

Aucun commentaire

Laisser un commentaire

Sur le même thème

Le fil Docteur Imago

26 Juin

15:00

12:59

Dans une étude évaluant des examens de scanner et TEP-TDM, trois logiciels d’IA commerciaux ont montré des performances comparables pour la détection des nodules pulmonaires cliniquement pertinents, malgré des différences importantes dans le nombre total de détections et de faux positifs.

7:44

Les réactions croisées d'hypersensibilité entre les produits de contraste iodés non ioniques dépendent principalement de la structure de leurs chaînes latérales, avec un risque particulièrement élevé au sein du groupe comprenant l’iohexol, l’iomeprol, l’ioversol et l’iodixanol, selon une étude présentée dans EJR. « Choisir une alternative issue d’un autre groupe structurel semble être une stratégie efficace pour atténuer la récidive dans des scénarios à haut risque », estiment les auteurs.

7:00

25 Juin

16:10

Chez des hommes à haut risque de cancer de la prostate mais dont l'IRM est non suspecte ou équivoque, le PET-CT au [68Ga]Ga-PSMA-11 a permis de détecter les cancers cliniquement significatifs avec une efficacité comparable à celle de la biopsie systématique, indique une étude publiée dans The Lancet Oncology.

11:00

Les modèles d’intelligence artificielle de type YOLO, notamment YOLOv8, peuvent aider à détecter les fractures tibiales discrètes chez les enfants de moins de trois ans, avec des performances améliorées grâce au module CBAM, selon une étude.
✕
Docteur Imago

GRATUIT
VOIR