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 14:17 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

27 Fév

17:51

Une revue systématique et méta-analyse a évalué la performance de l'IA pour la détection des épanchements du coude en radiographie. Les résultats montrent une sensibilité et une spécificité élevées et comparables entre l’IA et les médecins, sans différence significative.

17:49

Une étude conclut que l'angiomammographie constitue une alternative viable à l’évaluation de l'atteinte du complexe mamelon-aréolaire dans le cancer du sein, en particulier dans les cas de contre-indications à l’IRM.

17:09

Une revue, analysant 10 ans de littérature sur la neuroradiologie en pédiatrie et fœtale sur l’IA, conclu que les collaborations interinstitutionnelles continues peuvent faciliter l’intégration de l’IA dans la neuroradiologie pédiatrique, en complétant les radiologues et en améliorant les soins pédiatriques.
26 Fév

15:23

Une revue narrative analyse l’état actuel de l’intelligence artificielle en neuroradiologie pédiatrique et fœtale, en mettant en évidence ses performances prometteuses en segmentation, détection, classification et pronostic, notamment grâce à l’apprentissage profond. Malgré ces avancées, son adoption clinique demeure limitée en raison de coûts élevés, du manque de grandes bases de données pédiatriques et de défis éthiques et réglementaires, nécessitant des efforts collaboratifs pour favoriser son intégration sécurisée.  
Docteur Imago

GRATUIT
VOIR