Dépistage du cancer du sein

Un modèle d’IA réduit la charge de travail de près de 70 %

Un modèle d'intelligence artificielle développé par la firme coréenne Lunit a détecté les cancers du sein avec une sensibilité de 72,38 % et une spécificité de 92,86 % tout en réduisant la charge de travail des radiologues, dans le cadre d’une étude menée à partir des données du programme de dépistage turc.

icon réservé aux abonnésArticle réservé aux abonnés
Le 19/04/24 à 7:00 Lecture 2 min.
Un modèle d'intelligence artificielle développé par la firme coréenne Lunit a détecté les cancers du sein avec une sensibilité de 72,38 % et une spécificité de 92,86 % tout en réduisant la charge de travail des radiologues, dans le cadre d’une étude menée à partir des données du programme de dépistage turc. Seker, M.E., Koyluoglu, Y.O., Ozaydin, A.N. et al. Diagnostic capabilities of artificial intelligence as an additional reader in a breast cancer screening program. Eur Radiol (2024). https://doi.org/10.1007/s00330-024-10661-3

Cette étude a montré que l’IA peut détecter les cancers avec une sensibilité de 72,38 % et une spécificité de 92,86 % lorsqu’elle est intégrée à un flux de travail de dépistage en tant que mécanisme de triage (photo d'illustration). © Seker et al | European Radiology

Utilisée en tant que second lecteur ou comme système d’aide à la décision assistée par ordinateur dans le cadre du dépistage du cancer du sein, l’intelligence artificielle (IA) a un potentiel important pour limiter les erreurs humaines dans la lecture des mammographies et améliorer la spécificité. C’est ce qu’indique une étude parue dans European Radiology [1].

Étudier la capacité de détection précoce de l’IA

Les chercheurs ont évalué les capacités de détection précoce de l’IA dans un programme de dépistage sur sa durée, « en mettant l’accent sur la détection des cancers de l’intervalle, la détection précoce des cancers avec l’aide de l’IA lors de visites antérieures et son impact sur la charge de travail », expliquent-ils. Le modèle d’IA évalué dans le cadre de ces travaux est le logiciel INSIGHT MMG® version 1.1.7.1 du développeur coréen Lunit. Ce dispositif d’interprétation de mammographies disponible dans le commerce utilise des algorithmes de réseau neuronal convolutif, mentionn

Il vous reste 72% 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. Seker M. E., Koyluoglu Y. O., Ozaydin A. N. et al, « Diagnostic capabilities of artificial intelligence as an additional reader in a breast cancer screening program », European Radiology, février 2024. DOI : 10.1007/s00330-024-10661-3

Spécialité médicale

Imagerie de la femme

Modalité d’imagerie

Mammographie

Mots-clés

intelligence artificielle dépistage charge de travail flux de travail

Discussion

Aucun commentaire

Laisser un commentaire

Sur le même thème

Le fil Docteur Imago

10 Avr

15:32

Un modèle d’IA à apprentissage profond montre un potentiel en tant qu’outil de dépistage opportuniste de la santé osseuse chez les enfants, selon une étude publiée dans Radiology.

15:00

13:14

Les événements de sécurité des patients en radiologie représentent une faible proportion des incidents (3,2 %), mais révèlent des vulnérabilités importantes, notamment chez les enfants et les personnes âgées, avec un risque élevé lié aux médicaments et aux produits de contraste, selon une étude publiée dans Current Problems in Diagnostic Radiology

7:13

Les patientes atteintes d’un cancer du sein qui développent un dysfonctionnement cardiaque lors d’une chimiothérapie néoadjuvante subissent également une perte de tissu cérébral significativement plus importante que celles dont la fonction cardiaque reste stable, selon une étude publiée dans Academic Radiology.

7:00

09 Avr

16:21

Une étude multicentrique publiée dans European Radiology montre qu’un modèle de deep learning combinant nnU-Net et ConvNeXt-tiny permet d’évaluer avec précision l’invasion musculaire dans le cancer de la vessie à partir d’IRM, avec des performances élevées et stables.
✕
Docteur Imago

GRATUIT
VOIR