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

Discussion

Aucun commentaire

Laisser un commentaire

Le fil Docteur Imago

05 Sep

16:07

Les patientes atteintes de malformations artérioveineuses cérébrales non rompues avec une localisation occipitale sont plus susceptibles d’avoir des maux de tête. L’angiographie quantitative par soustraction numérique peut quantifier objectivement les changements hémodynamiques dans les maux de tête liés au MAV non rompues. (étude).

13:12

La fédération des médecins de France organise un colloque sur la place de l'IA en médecine libérale le vendredi 12 au samedi 13 septembre à Paris.

7:30

04 Sep

15:00

Dans le cancer du sein précoce, l'échographie injectée préopératoire combinée à l'injection intralymphatique de bleu de méthylène et l'administration intracutanée d'indocyanine verte pendant l'intervention chirurgicale, permet une identification précise du ganglion sentinelle et une prédiction des métastases, conclut une étude chinoise. Une approche à même de limiter le nombre de résections inutiles de ganglions, selon les chercheurs.
Docteur Imago

GRATUIT
VOIR