Diagnostic du cancer du sein

Une méta-analyse démontre l’efficacité du deep learning en IRM mammaire

Une méta-analyse publiée dans la revue European radiology a démontré que les modèles d’apprentissage profond utilisés pour le diagnostic du cancer du sein par IRM atteignent des performances élevées. Ces outils pourraient permettre, selon les chercheurs, d’améliorer la précision diagnostique de l’IRM mammaire en étant intégrés dans le flux de travail des radiologues.

icon réservé aux abonnésArticle réservé aux abonnés
Le 02/04/25 à 7:00 Lecture 2 min.

Les résultats d'une étude ont mis en lumière la robustesse des modèles d'apprentissage profond dans diverses conditions d’imagerie et démontré une grande précision dans le diagnostic du cancer du sein à l’aide de l’IRM, révèlent les chercheurs (photo d'illustration). D. R.

Une étude parue dans European radiology [1] a évalué les performances des modèles d’apprentissage profond (deep learning, DL) pour le diagnostic du cancer du sein par IRM. Selon les auteurs de l’étude, l’évaluation et le perfectionnement continus de ces algorithmes sont essentiels pour garantir leur praticité dans le cadre clinique. Ils se sont alors penchés sur les capacités des modèles DL à améliorer la précision diagnostique de l’IRM mammaire, en relevant des défis tels que le surajustement et l’hétérogénéité dans les conceptions d’étude et les séquences d’imagerie.

Sélection des études et évaluation de la qualité

Pour ce faire, les auteurs de l’étude ont effectué une recherche documentaire d’études rétrospectives publiées de janvier 2015 à février 2024 sur Web of Science, PubMed et IEEE Xplore, celles-ci rapportant des modèles de DL pour le diagnostic du cancer du sein et leur performance. Enfin, pour évaluer la qualité et le risque de biais, les chercheurs ont utilisé l’outil d’éval

Il vous reste 67% 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

Solenn Duplessy

Voir la fiche de l’auteur

Bibliographie

  1. Abdullah KA, Marziali S, Nanaa M, et al (2025) Deep learning-based breast cancer diagnosis in breast MRI: systematic review and meta-analysis. Eur Radiol. https://doi.org/10.1007/s00330-025-11406-6

Spécialité médicale

Imagerie de la femme

Modalité d’imagerie

IRM

Mots-clés

cancer du sein IRM mammaire apprentissage profond

Discussion

Aucun commentaire

Laisser un commentaire

Sur le même thème

Dans le dossier

icon réservé aux abonnés Le dépistage du cancer du sein cherche un second souffle

Voir le dossier

Le fil Docteur Imago

25 Sep

16:00

Une revue publiée dans Neuroradiology offre un aperçu global des bénéfices cliniques et des limites opérationnelles de la téléradiologie. Selon les chercheurs, celle-ci améliore l’accès à l’expertise, la rapidité des diagnostics et la continuité des soins. Cependant, son développement reste limité par les problèmes de connectivité, d’interopérabilité, de sécurité des données et de réglementation.

15:00

13:00

Dans une revue de la littérature, des chercheurs australiens mettent en évidence des obstacles à l’inclusion des personnes LGBTQ+ en imagerie médicale, notamment les systèmes binaires, le mégenrage et le manque de formation, et souligne la nécessité de développer et d’évaluer des pratiques, des outils et des communications plus inclusifs.

7:45

Un algorithme testé par une équipe de chercheurs danois a démontré une bonne précision pour la détection de fractures d'extrémités en situation d'urgence. Cependant, la valeur prédictive positive inférieure par rapport aux comptes rendus de radiologie et l'apparition de faux positifs soutiennent son utilisation comme aide à la décision plutôt que pour le diagnostic autonome. (Étude)

7:00

24 Sep

17:30

Dans une étude présentée dans JACR, les répétitions d'examens IRM cérébrales liées aux mouvements des patients ont généralement permis d'améliorer la qualité de l'image et la fiabilité du diagnostic, tandis que les répétitions des cholangiopancréatographies n'ont apporté qu'un bénéfice limité. « Ces résultats plaident en faveur d'un suivi au niveau des séquences afin d'orienter les stratégies ciblées de réduction des mouvements », concluent les chercheurs.
✕
Docteur Imago

GRATUIT
VOIR