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

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

flux de travail intelligence artificielle dépistage charge de travail

Discussion

Aucun commentaire

Laisser un commentaire

Sur le même thème

Le fil Docteur Imago

21 Nov

15:00

13:31

Un réseau de neurones convolutifs (CNN) a été entraîné à détecter automatiquement les zones floues en mammographie dans des régions pertinentes pour le diagnostic. Ce modèle, s'il était implémenté en pratique clinique, pourrait fournir un retour utile aux MERM afin de réaliser rapidement de meilleures prises de vue qui soient de haute qualité, selon une étude rétrospective.

7:31

Un état de l'art en français sur la biopsie pulmonaire percutanée sous scanner présentant ses indications, ses contre-indications et les bonnes pratiques dans ce domaine a été publié le 14 novembre en accès libre dans le Journal d'imagerie diagnostique et interventionnelle.

7:00

20 Nov

16:01

Les séquences ciné en IRM cardiaque reconstruites par apprentissage profond et acquises sur trois cycles cardiaques permettent de réduire le temps d’acquisition de plus de 50 % par rapport à la séquence référence sans apprentissage profond, et le tout sans différence dans la qualité d'image, selon une étude prospective menée sur 55 volontaires sains en IRM 1,5 T.

15:00

✕
Docteur Imago

GRATUIT
VOIR