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 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

17 Juil

16:00

Des chercheurs nord-américains ont adapté un modèle d'apprentissage profond pour la segmentation de la composition corporelle (muscle, os, graisse) à partir des images scanner volumétriques allant des vertèbres L2 à L4. La méthode s'est montrée plus précise que la technique standard, basée sur une seule coupe axiale en L3, se félicitent-ils dans EJR.

13:30

La TEP-TDM au meta-[18F] fluorobenzylguanidine ([18F]-mFBG) pourrait constituer une alternative plus efficace à la TEMP-TDM au [123I]-metaiodobenzylguanidine (MIBG) pour la stadification et l'évaluation de la réponse tumorale des neuroblastomes, conclut une étude présentée dans Pediatric Radiology.

7:42

GE Healthcare et la Mayo Clinic à Rochester (Minnesota) annoncent leur coopération autour d'un essai sur le traitement du cancer de la prostate par radioligands. L'étude MI-BET évaluera si l'utilisation de marqueurs biologiques et d'imagerie permet de mieux personnaliser les traitements, par exemple en espaçant les séances.
16 Juil

16:59

Une étude rétrospective compare les biopsies mammaires guidées par tomosynthèse et par échographie pour les lésions mammaires non calcifiées, en évaluant leurs caractéristiques et leurs performances diagnostiques. Les résultats montrent que l'échographie présente une meilleure valeur prédictive positive et que la tomosynthèse reste une alternative pertinente lorsque la lésion n'a pas de corrélat échographique définitif.

13:46

En angioscanner de la tête et du cou, associer une technologie de reconstruction d'image par apprentissage profond à une acquisition de basse énergie (80 kVp) permet de diminuer les doses de radiation (-36 %) et de produit de contraste (-26%) en améliorant la qualité d'image par rapport au protocole standard (100 kVp et reconstruction itérative), conclut un article dans EJR.
Docteur Imago

GRATUIT
VOIR