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

15 Oct

15:59

Une revue présentée dans EJR analyse le potentiel de la radiomique basée sur l’IRM et l’intelligence artificielle pour prédire la progression du cancer de la prostate sous surveillance active. Elle souligne une forte hétérogénéité des critères utilisés et des limites méthodologiques importantes (étude).

13:00

Des stratégies d'optimisation mises en place à l'hôpital pour enfants de Seattle, aux États-Unis, ont permis de réduire de 64 % le recours à la fluoroscopie en dehors des heures ouvrables, tout en préservant la qualité diagnostique et la sécurité des patients. Ces protocoles alternatifs, fondés notamment sur l’échographie, le scanner faible dose et l’implication des manipulateurs, offrent des pistes concrètes pour optimiser les flux de travail et limiter la charge des équipes (étude).

7:41

La radiologie interventionnelle assure une part importante des soins prodigués aux patients atteints de cancers hépatobiliaires et les ablations hépatiques percutanées ont augmenté de 25 % aux États-Unis entre 2016 et 2019, selon une étude.
✕
Docteur Imago

GRATUIT
VOIR