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

27 Oct

16:08

L'Arrêté du 23 octobre 2026 mentionne la radiologie dans la liste des spécialités pour lesquelles le docteur junior peut être autorisé à participer, à sa demande, au service des gardes et astreintes médicales.

14:05

GE HealthCare annonce le lancement d’un programme d’évaluation clinique mondial dans cinq établissements - dont l'Oncopole de Toulouse - afin d'évaluer son système TEMP-TDM 4D de nouvelle génération StarGuide™ GX.

7:30

Le congrès 2027 des JFR urgences se tiendra les 25 et 26 mars à l'ENS de Lyon sur les thèmes de la radiologie interventionnelle et de la téléradiologie.
26 Oct

15:42

Les radiologues ayant suivi une formation post-doctorale (fellowship) en imagerie pédiatrique ont montré une spécificité, une valeur prédictive positive et une précision plus élevées que leurs confrères non entraînés dans le diagnostic par IRM de l'appendicite chez 122 enfants admis aux urgences et inclus dans une étude présentée dans Academic Radiology.

12:33

Les jeunes adultes souffrant de migraine sans aura présenteraient de subtiles anomalies microstructurales de la substance blanche, une diminution du couplage neurovasculaire global et des modifications régionales du rapport CBF/fALFF. (étude)

✕
Docteur Imago

GRATUIT
VOIR