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

03 Avr

16:34

L’Association européenne de médecine nucléaire (EANM) et la Société de médecine nucléaire et d’imagerie moléculaire (SNMMI) ont publié des recommandations conjointes sur l’utilisation de l’imagerie cérébrale TEP tau chez les patients suspectés de maladie d’Alzheimer.

13:30

Une étude publiée dans AJR souligne que les radiologues et l’IA ont atteint une sensibilité sous-optimale pour la détection des anomalies pulmonaires interstitielles (ILA) en radiographie, bien que de haute spécificité. Les résultats ne soutiennent donc pas le dépistage radiographique de l’ILA, qu’il s’agisse d’une interprétation radiologue ou d’une IA.

7:43

La reconstruction avancée tridimensionnelle (AR) améliore significativement la précision diagnostique des fractures des membres par rapport à la radiographie conventionnelle tout en maintenant une haute qualité d’image, conclut une étude publiée dans Emergency radiology. « Son intégration dans les flux de travail des urgences pourrait réduire le besoin d’imagerie supplémentaire et accélérer la prise de décision clinique », selon les chercheurs.

7:00

02 Avr

15:00

14:09

Un essai contrôlé randomisé multicentrique a évalué si la priorisation des radiographies thoraciques par intelligence artificielle réduisait les délais de diagnostic du cancer du poumon, sans observer d’amélioration significative des délais vers le scanner, le diagnostic, l’orientation ou le traitement. Ainsi, la priorisation des examens par IA dans ce contexte n’apporte pas de bénéfice clinique mesurable, selon une étude publiée dans Nature Medicine.
✕
Docteur Imago

GRATUIT
VOIR