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
Aujourd'hui 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

02 Avr

15:49

La Fédération de radiologie interventionnelle de la Société française de radiologie (FRI-SFR) a lancé une enquête en ligne pour « faire la lumière sur les freins à l'adhésion au CIRSE (la Société européenne de radiologie cardiovasculaire et interventionnelle, NDLR) chez les radiologues interventionnels français », comme annoncé par Vincent Vidal dans nos colonnes.

12:49

Le consortium ImaSpiiR-X, qui rassemble des acteurs de l'industrie et du milieu académique sous l'égide de l'industriel Trixell, a reçu le soutien de France 2030 à hauteur de 18,2 millions d’euros sur une durée de 60 mois, selon un communiqué du CEA. Cette aide vise à « passer d’une imagerie médicale par rayons X en noir et blanc à une imagerie spectrale en couleur », notamment via le développement de « capteurs plans de nouvelle génération » et d'algorithmes « avancés ».

7:30

Suite à sa fermeture en février, le cabinet de radiologie Boyer à Saint-Céré (46) a transféré son activité et son personnel à l'hôpital local, informe La Dépêche.
01 Avr

16:07

14:16

Un excès substantiel d'émissions de gaz à effet de serre proviendrait d'examens d'imagerie inappropriés, en particulier en IRM et en scanner (étude).
Docteur Imago

GRATUIT
VOIR