Dépistage du cancer du sein

Un tri et un filet de sécurité par IA pour optimiser l’interprétation des mammographies

Des chercheurs ont développé un algorithme qui ne réfère que les mammographies anormales à un radiologue puis agit comme un « filet de sécurité » si le radiologue ne trouve rien sur les images particulièrement suspicieuses. Leur méthode surpasserait en performances le radiologue seul et l'IA seule tout en économisant la charge de travail du médecin.

icon réservé aux abonnésArticle réservé aux abonnés
Le 01/09/22 à 7:00, mise à jour hier à 15:09 Lecture 2 min.

Comparés à la méthode des auteurs basée sur une IA qui réfère uniquement les cas problématiques au radiologue (courbe ROC bleue), le radiologue seul (point rouge) comme l'IA autonome (point violet) atteignent une sensibilité et une spécificité inférieures. © Leibig et coll., The Lancet Digital Health | CC BY 4.0

Une nouvelle méthode de dépistage du cancer du sein alliant intelligence artificielle et expertise humaine, baptisée decision-referral approach, pourrait surclasser les performances des radiologues, tout en allégeant leur charge de travail, annoncent ses concepteurs allemands.
Plusieurs IA ont déjà été testées pour repérer le cancer du sein sur des mammographies dans le cadre du dépistage organisé lors d'une deuxième lecture complètement autonome, mais ces algorithmes nécessitent la lecture de tous les examens par le radiologue, ce qui ne diminue pas la charge de travail du professionnel de santé, rappellent-ils dans la revue The Lancet Digital Health [1]. Enfin, si d'autres IA à l'essai envoient uniquement les mammographies anormales à étudier au radiologue, ces logiciels sont encore aujourd'hui associés à une diminution de la sensibilité du dépistage, soulignent les chercheurs. 

Combiner tri des images normales et « filet de sécurité » 

Pour pallier cette difficulté à combiner radiologu

Il vous reste 75% 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

François Mallordy

Journaliste rédacteur spécialisé

Voir la fiche de l’auteur

Bibliographie

  1. Leibig C., Brehmer M., Bunk S. et coll., « Combining the strenghts of radiologists and AI for breast cancer screening: a retrospective analysis », The Lancet Digital Health, juillet 2022, vol. 4, n° 7, E507-E509. DOI : 10.1016/S2589-7500(22)00070-X.

Mots-clés

intelligence artificielle dépistage du cancer du sein

Discussion

Aucun commentaire

Laisser un commentaire

Sur le même thème

Dans le dossier

icon réservé aux abonnés Le dépistage du cancer du sein cherche un second souffle

Voir le dossier

Le fil Docteur Imago

10 Sep

11:30

Une étude a développé et validé un modèle d’apprentissage automatique multimodal intégrant des données cliniques, hémodynamiques et radiomiques pour prédire l’occlusion incomplète des anévrismes intracrâniens après traitement endovasculaire. Celui-ci a montré de bonnes performances et une stabilité sur trois cohortes.

7:30

À Toulouse, le Groupe RX étend son centre d’imagerie médicale à la clinique Pasteur avec 600 m² supplémentaires et de nouveaux équipements de dernière génération. Ce projet sera inauguré le 17 septembre, annonce le Groupe Vidi.

7:00

09 Sep

17:29

Selon une étude publiée dans la revue Neuroradiology, il existe des corrélations distinctes entre les caractéristiques des grosses artères, de la plaque et de la maladie des petits vaisseaux cérébraux chez les patients victimes d'un AVC ischémique aigu par rapport à ceux victimes d'une attaque ischémique transitoire. La prise en compte de ces marqueurs d'imagerie améliorerait l'identification d'un AVC ischémique aigu chez les patients atteints d'une athérosclérose intracrânienne.

15:00

14:27

Le modèle multitâche de réseau neuronal ST-USNet permettrait d'aider les radiologues à classer les masses superficielles de tissus mous en oncologie clinique, sous réserve d'une mise à jour continue des données. (Etude)
✕
Docteur Imago

GRATUIT
VOIR