Publicité

IA et dépistage du cancer du sein : sensibilité accrue et temps de diagnostic raccourci

06/11/2020
De Bruno Benque avec RSNA

L'intelligence artificielle (IA) peut améliorer les performances des radiologues dans la lecture des mammographies de dépistage du cancer du sein, selon une étude publiée dans Radiology: Artificial Intelligence. Un logiciel de ce type a obtenu la validation de la FDA américaine en mars 2020.

Dans le cadre du dépistage du cancer du sein par mammographie, de nombreuses lésions malignes passent inaperçues et les résultats suspects s'avèrent souvent bénins. Une étude antérieure parue dans la Revue Radiology a révélé qu'en moyenne, seulement 10% des femmes étaient rappelées pour un bilan diagnostique supplémentaire basé sur des résultats suspects objectivant finalement un cancer.

Un système d’IA testé sur un échantillon de plus de 200 examens

Les algorithmes d'IA représentent une solution prometteuse pour améliorer la précision de la mammographie numérique. Les développeurs « entrainent » l'IA sur des images existantes, lui apprennent à reconnaître les anomalies associées au cancer et à les distinguer des résultats bénins. Les programmes peuvent ensuite être testés sur différents ensembles d'images. L'IA offre non seulement la possibilité d'une meilleure détection du cancer, mais également une efficacité améliorée pour les radiologues.

Dans une nouvelle étude parue dans Radiology : Artificial Intelligence, les chercheurs ont utilisé MammoScreen, un outil d'IA qui peut être appliqué avec la mammographie pour aider à la détection du cancer. Ce système est conçu pour identifier les régions suspectes de cancer du sein sur des mammographies numériques 2D et évaluer leur probabilité de malignité. Il prend en entrée l'ensemble complet de quatre vues composant une mammographie et délivre un ensemble de positions d'image avec un score de suspicion associé. Quatorze radiologues ont évalué un ensemble de données de 240 images de mammographie numérique 2D acquises entre 2013 et 2016 qui comprenaient différents types d'anomalies. La moitié du jeu de données a été lue sans IA et l'autre moitié à l'aide de l'IA lors d'une première session et sans lors d'une seconde session.

Sensibilité accrue et temps de diagnostic raccourci

La sensibilité moyenne au cancer a légèrement augmenté lors de l'utilisation de la prise en charge de l'IA. L'IA a également contribué à réduire le taux de faux négatifs, ou des résultats qui semblent normaux même si un cancer est présent. « Les résultats montrent que MammoScreen peut aider à améliorer les performances des radiologues dans la détection du cancer du sein », a déclaré le Dr Serena Pacilè, responsable de la recherche clinique chez Therapixel, où le logiciel a été développé. L'amélioration des performances diagnostiques des radiologues dans la détection du cancer du sein a été obtenue sans prolonger leur flux de travail. Dans les cas avec une faible probabilité de malignité, le temps de lecture a diminué lors de la deuxième session de lecture. Ce temps de lecture réduit pourrait augmenter l'efficacité globale des radiologues, leur permettant de concentrer leur attention sur les examens les plus suspects, ont déclaré les chercheurs.

En mars 2020, la Food and Drug Administration des États-Unis a autorisé MammoScreen à être utilisé dans la clinique, où il pourrait aider à réduire la charge de travail des radiologues, selon le Dr Pacilè. Les chercheurs prévoient d'explorer le comportement de l'outil d'IA sur une large population basée sur le dépistage et sa capacité à détecter le cancer du sein plus tôt.

SUR LE MÊME THÈME

IA & Données
Les bonnes pratiques pour l'évaluation de la pertinence d'un outil d'IA en imagerie
Abonné(e)

Les bonnes pratiques pour l'évaluation de la pertinence d'un outil d'IA en imagerie

Radiologues, informaticiens et chercheurs présentent, dans un article publié dans la Revue Radiology, les pièges et les meilleures pratiques pour atténuer les biais des modèles d'intelligence artificielle (IA) en imagerie médicale. Ils présentent une sorte de feuille de route pour des pratiques plus...

13/06/2025 -

IA & Données
Abonné(e)

Des LLM affinés pour aider à la relecture des comptes rendus

Selon une nouvelle étude publiée dans la Revue Radiology, un grand modèle de langage (LLM) améliorerait sensiblement la détection des erreurs dans les comptes rendus de radiologie. Les chercheurs ont utilisé des comptes rendus synthétiques et des données ciblées pour donner au LLM de la légèreté.

23/05/2025 -

IA & Données
Abonné(e)

Agir sur la vulnérabilité des grands modèles de langage en radiologie

Dans un nouvel article spécial publié dans la Revue Radiology, des chercheurs abordent les défis de cybersécurité liés aux grands modèles de langage (LLM). Ils soulignent l'importance de mettre en œuvre des mesures de sécurité pour empêcher leur utilisation malveillante dans le système de Santé et m...

21/05/2025 -

IA & Données
Abonné(e)

Une feuille de route pour atténuer les biais de l'IA

Les biais diagnostiques créés par l’IA relèvent d’un manque d’informations démographiques incluent dans les données de santé. Dans un article publié dans la Revue Radiology, des chercheurs américains décrivent l’importance d’une définition homogène décrivant les groupes démographiques. Un travail qu...

20/05/2025 -

IA & Données
Abonné(e)

Essais sur une RAG pour améliorer les grands modèles de langages en radiologie

Pour renforcer les attributs des grands modèles de langage appliqués à la radiologie, la RAG, qui code les informations dans un espace vectoriel pour affiner les tâches des LLM basées sur la connaissance, semble pertinente. Dans une étude publiée dans la Revue Radiology : Artificial intelligence, de...

05/05/2025 -

IA & Données

Le lexique radiologique standardisé RadLex fête ses vingt ans

RadLex, un lexique radiologique complet développé par la Radiological Society of North America (RSNA) destiné à proposer un langage commun pour communiquer les résultats diagnostiques par les radiologues, célèbre son 20e anniversaire en 2025.

22/04/2025 -

IA & Données
Abonné(e)

La TDM ultra low dose, prochaine norme pour le suivi des jeunes immunodéprimés ?

La tomodensitométrie à ultra-faible dose débruitée par l’IA permet, en appliquant seulement 2% de la dose normale, de diagnostiquer efficacement la pneumonie chez les patients immunodéprimés.  C’est le résultat d’une étude publiée dans la Revue Radiology et qui pourrait ouvrir la voie vers de nouvel...

14/03/2025 -

LETTRE D'INFORMATION

Ne manquez aucune actualité en imagerie médicale et radiologie !

Inscrivez-vous à notre lettre d’information hebdomadaire pour recevoir les dernières actualités, agendas de congrès, et restez informé des avancées et innovations dans le domaine.