Apprentissage profond

Un algorithme prédit la malignité du cancer du sein aussi bien que le radiologue

Une équipe d'IBM a développé un outil qui s'appuie sur les mammographies numériques et le dossier médical des patientes. Objectif : prédire la malignité des biopsies et différencier les dépistages normaux des pathologiques.

icon réservé aux abonnésArticle réservé aux abonnés
Le 26/08/19 à 7:00, mise à jour hier à 14:18 Lecture 1 min.

L'algorithme s’est basé sur un ensemble de données comprenant les images mammographiques et les dossiers de santé électroniques (photo d'illustration). © Carla Ferrand

Encore un exemple du potentiel de l’intelligence artificielle dans le domaine de l’aide au diagnostic. Une équipe du centre de recherche d’IBM, à Haifa, associée à plusieurs laboratoires et établissements de santé israéliens, a développé un modèle qui permettrait de prédire l’évolution à un an du cancer du sein malin, avec une précision comparable à celle des radiologues. Les résultats de ses travaux sont parus en juin 2019 dans Radiology [1]

52 936 images recueillies

Cette étude rétrospective a inclus 52 936 images recueillies chez 13 234 femmes ayant passé au moins une mammographie entre 2013 et 2017, et qui avaient un dossier médical depuis au moins un an avant cet examen. L'algorithme a été formé pour prédire la malignité de la biopsie et différencier les examens de dépistage normaux des examens anormaux. Il s’est basé sur un ensemble de données comprenant les images mammographiques et les dossiers de santé électroniques.

Une sensibilité de 87 % pour la malignité

L'algorithme a été val

Il vous reste 55% 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

Avatar photo

Benjamin Bassereau

Directeur de la rédaction BOM Presse Clichy

Voir la fiche de l’auteur

Bibliographie

  1. Akselrod-Ballin A., Chorev M. et coll., « Predicting Breast Cancer by Applying Deep Learning to Linked Health Records and Mammograms », Radiology, publié en ligne le 18 juin 2019. DOI : 10.1148/radiol.2019182622

Discussion

Aucun commentaire

Laisser un commentaire

Sur le même thème

Le fil Docteur Imago

20 Mar

7:11

Une enquête menée par la société européenne d'imagerie mammaire (EUSOBI) démontre que, malgré des aspects procéduraux très variés dans la biopsie mammaire à aiguille centrale guidée par échographie, des niveaux de stérilité perçus plus élevés ne sont pas associés à une diminution des infections. L'étude met en lumière l'importance de réduire en toute sécurité l’utilisation des ressources et l’impact environnemental.
19 Mar

16:00

La réponse de perfusion à l’adénosine semble être spécifique à chaque organe, conclut une étude parue dans JNM. L’adénosine augmente la perfusion au niveau du cœur, du foie, du côlon et du duodénum, tandis que la perfusion est réduite par l’adénosine dans le cerveau, la rate, les reins, le muscle squelettique et l’os, écrivent les chercheurs.

13:25

La présentation est la clé d'une bonne compréhension des comptes rendus d'imagerie « patient-friendly », conclut une étude présentée dans JACR. Les formats « traduction complète » et « basé sur les phrases », associant des sources pour vérifier les informations sont plus efficaces qu'une simple définition des termes techniques.

7:10

Dans une étude évaluant les niveaux de référence en doses de radiation et les indicateurs de qualité d’image dans les protocoles d’imagerie thorax-abdomen en unité de soins intensifs néonatals,  des chercheurs relève que les nouveau-nés pesant entre 1000 et 1 499 g et 1 500 à 2499 g avaient des doses cutanées inférieures à celles des nouveau-nés pesant moins de 1 000 g.

Docteur Imago

GRATUIT
VOIR