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.

Discussion

Aucun commentaire

Laisser un commentaire

Le fil Docteur Imago

10 Juil

16:20

l'IRM mammaire préopératoire ne serait pas associée à une amélioration de la survie sans récidive ou de la survie globale chez les femmes atteintes de carcinome canalaire in situ (DCIS) (étude).

13:19

Une étude indienne suggère que l'IRM multiparamétrique permettrait de distinguer les cancers du sein luminaux des cancers du sein non luminaux à partir de marqueurs non invasifs.

7:17

Les applications d'IA générative à usage général ne doivent pas être utilisées pour produire des images radiologiques à des fins de formation pour les étudiants en imagerie, prévient une étude. Sur 220 images générées par des application IA, seules 8,6 % ont été jugés appropriées par des radiologues pédiatriques américains.
09 Juil

17:28

Selon une étude publiée dans la revue Neuroradiology la combinaison de l’IRM 7T et d’un classificateur basé sur un réseau de neurones graphiques (GNN) améliore la détection des anomalies corticales discrètes de type dysplasie corticale focale chez les patients atteints d’épilepsie focale.

15:00

Une étude publiée dans le Journal of Medical Imaging et Radiation Oncology,
Docteur Imago

GRATUIT
VOIR