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

charge de travail flux de travail intelligence artificielle dépistage

Discussion

Aucun commentaire

Laisser un commentaire

Sur le même thème

Le fil Docteur Imago

15 Juil

13:34

La consommation énergétique en IRM est principalement liée à l’utilisation des gradients, les séquences ep2D DWI et DTI étant les plus énergivores. Le choix de séquences moins consommatrices, dans un contexte clinique approprié, peut réduire la consommation d’énergie par séquence de 20 à 49 % (étude).

7:31

Une méta-analyse de 23 études démontre que la TEP-TDM au [18F]FDG et l’IRM pelvienne présentent une sensibilité comparable pour la détection des métastases ganglionnaires latérales dans le cancer du rectum. En revanche, la TEP-TDM au [18F]FDG peut aider à exclure les faux positifs, évitant ainsi les dissections latérales des ganglions lymphatiques et la morbidité associée.

7:00

13 Juil

17:51

Des modèles d’apprentissage profond ont montré des performances diagnostiques comparables ou meilleures que celles des médecins expérimentés pour la détection du cancer du pancréas sur des examens de scanner, rapporte une étude présentée dans Radiology.

13:00

Trois systèmes de détection assistée par ordinateur (AI-CAO) basés sur l’IA ont démontré leur potentiel à détecter les signes précoces du cancer du sein jusqu’à 6 ans avant le diagnostic sur des examens de mammographie provenant d’une grande population de dépistage en Suède (communiqué).

8:30

Le scanner corps entier à ultra-basse dose associé à un algorithme de reconstruction par intelligence artificielle (SR-DLR) permet de réduire d'environ 70 % l'exposition aux rayonnements tout en conservant une excellente qualité d'image et des performances diagnostiques élevées pour la détection des maladies viscérales et métastatiques des tissus mous chez les patients sous surveillance du cancer, indique une étude parue dans European Journal of Radiology.
✕
Docteur Imago

GRATUIT
VOIR