Un outil de deep learning pour améliorer la classification des seins denses

Un outil d'intelligence artificielle (IA) peut classer avec précision et cohérence la densité mammaire sur les mammographies, selon une étude publiée dans Radiology: Artificial Intelligence.

Les limites de l’échelle BI-RADS pour l’interprétation des seins très denses

Une densité mammaire élevée est un facteur de risque indépendant du cancer du sein, et son effet masquant des lésions sous-jacentes réduit la sensibilité de la mammographie. Dans ce contexte, de nombreux États américains ont des lois exigeant que les femmes aux seins denses soient informées après une mammographie, afin qu'elles puissent choisir de subir des examens supplémentaires pour améliorer la détection du cancer.

Dans la pratique clinique, la densité mammaire est évaluée visuellement sur des mammographies avec l'échelle Breast Imaging-Reporting and Data System (BI-RADS), allant de la catégorie A pour les seins presque entièrement gras à Catégorie D pour extrêmement dense. Mais ce système a des limites, car la classification visuelle est sujette à la variabilité inter-observateur ou intra-observateur.

TRACE4BDensity comme alternative à l’œil humain

Pour surmonter cette variabilité, des chercheurs italiens ont développé un logiciel de classification de la densité mammaire basé sur un modèle de deep learning capable de discerner des motifs subtils dans les images au-delà des capacités de l'œil humain. Dans un article publié dans la Recue Radiology, ils expliquent comment ils ont entraîné cet algorithme, connu sous le nom de TRACE4BDensity, sous la supervision de sept radiologues expérimentés qui ont indépendamment évalué visuellement 760 images mammographiques.

La validation externe de cet outil a été réalisée par les trois radiologues les plus proches du consensus sur un jeu de données de 384 images mammographiques obtenues dans différents centres. TRACE4BDensity a montré une précision de 89 % dans la distinction entre les tissus mammaires à faible densité (catégories BI-RADS A et B) et à haute densité (catégories BI-RADS C et D), avec un accord de 90 % entre l’algorithme et les trois lecteurs.

« La plus-value de cet outil est la possibilité d’améliorer la reproductibilité de la classification visuelle humaine de la densité qui limite son utilité pratique, précise le co-auteur de l'étude, le Dr Sergio Papa, du Centro Diagnostico Italiano de Milan (Italie). Avoir un outil robuste qui propose une valeur standardisée de la densité peut fournir une aide significative dans la prise de décision. »

Des recherches supplémentaires en projet pour affiner les possibilités de TRACE4BDensity

Un tel outil serait particulièrement précieux, selon les chercheurs, alors que le dépistage du cancer du sein devient plus personnalisé, l'évaluation de la densité représentant un facteur important dans la stratification des risques. « Un outil tel que TRACE4BDensity peut nous aider à conseiller aux femmes aux seins denses de subir, après une mammographie négative, un dépistage supplémentaire par échographie, IRM ou mammographie avec produit de contraste, poursuit le co-auteur de l'étude le Dr Francesco Sardanelli, de l'IRCCS Policlinico San Donato à San Donato (Italie).

Les chercheurs prévoient des études supplémentaires pour mieux comprendre toutes les capacités du logiciel. « Nous aimerions évaluer plus avant TRACE4BDensity, en particulier dans les pays où la réglementation sur la densité des femmes n'est pas active, en évaluant l'utilité d'un tel outil pour les radiologues et les patients », conclut le co-auteur de l'étude, le Pr Christian Salvatore, de l’ École universitaire d'études avancées IUSS de Pavia (Italie) et co-fondateur et directeur général de DeepTrace Technologies.