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

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