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 aujourd'hui à 15:15 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

13 Avr

16:39

Un modèle basé sur l'apprentissage profond capable de prédire l'étendue du noyau ischémique dans les cas de reperfusion réussie et la région combinée de noyau et de pénombre ischémique après l'échec d'une reperfusion a surpassé les méthodes cliniques actuelles basées sur le scanner de perfusion. Étude.

14:38

Chez des patients avec des anévrismes ophtalmiques à collet large non rompus de moins de 10 mm, l'embolisation par flow diverter n'a pas donné de meilleurs résultats que le coiling avec ou sans placement de stent, concluent les auteurs d'un essai randomisé.

7:27

Une étude pilote démontre la performance « favorable » de la TEP au [18F]DASA-23, qui se lie à la pyruvate kinase M2, pour le diagnostic des gliomes de haut grade. « Son absorption après le début de la thérapie pourrait être un marqueur utile pour évaluer l'efficacité du traitement et le pronostic des patients », écrivent les auteurs.
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.
Docteur Imago

GRATUIT
VOIR