Nouvelles preuves de la pertinence de l'IA pour le dépistage du cancer du sein

Les applications de l’IA comme aide à la décision médicale dans le cadre de l’interprétation des mammographies font l’objet de recherches récurrentes qui lui donnent toujours plus de crédibilité.

Des chercheurs norvégiens comparent les interprétations de l’IA avec celle des radiologues

C’est ainsi que les mammographies acquises dans le cadre de programmes de dépistage du cancer du sein, qui entraînent une charge de travail importante pour les radiologues, peuvent bénéficier de cette IA comme deuxième lecteur automatisé, ce qui est en faveur d’une réduction de cette charge de travail. La technologie a montré des résultats encourageants pour la détection du cancer, mais les preuves liées à son utilisation dans des contextes de dépistage réels sont limitées.

C’est pour en préciser les usages qu’une nouvelle étude, la plus importante du genre à ce jour, a incité des chercheurs norvégiens dirigés par le Pr Solveig Hofvind, de la section pour le dépistage du cancer du sein, du registre du cancer de Norvège à Oslo, à comparer les performances d'un système d'IA disponible dans le commerce avec une double lecture indépendante de routine effectuée dans le cadre d'un programme de dépistage du cancer du sein. Cette étude, publiée dans la Revue Radiology, s'est appuyée sur près de 123 000 examens effectués sur plus de 47 000 femmes dans quatre établissements de BreastScreen Norway, le programme national de dépistage.

De bons résultats qui dépendent encore beaucoup de données rétrospectives

L'ensemble de données comprenait 752 cancers détectés lors du dépistage et 205 cancers d'intervalle. Le système d'IA a prédit le risque de cancer sur une échelle de 1 à 10, 1 représentant le risque le plus faible et 10 le risque le plus élevé. Au total, 87,6 % (653 sur 752) des cancers détectés par dépistage et 44,9 % (92 sur 205) des cancers d'intervalle avaient le score AI le plus élevé de 10.

Les chercheurs ont créé trois seuils pour évaluer les performances du système d'IA en tant qu'outil de prise de décision. En utilisant un seuil qui reflète le taux moyen d'interprétation positive de chaque radiologue, la proportion de cancers détectés par dépistage non sélectionnés par le système d'IA était inférieure à 20 %. Bien que le système d'IA ait bien fonctionné, la dépendance de l'étude à des données rétrospectives signifie que davantage de recherches sont nécessaires.

« Dans notre étude, nous avons supposé que tous les cas de cancer sélectionnés par le système d'IA étaient détectés, précise le Pr Hofvind. Cela pourrait ne pas être vrai dans un cadre de dépistage réel. Cependant, compte tenu de cette hypothèse, l'IA sera probablement d'une grande valeur dans l'interprétation des mammographies de dépistage à l'avenir. »

L’espoir de mener bientôt des essais prospectifs

Les résultats ont montré des caractéristiques histopathologiques favorables associées à un meilleur pronostic pour les cancers détectés par dépistage. Des résultats opposés ont été observés pour les cancers d'intervalle. Cela peut indiquer que les cancers d'intervalle avec de faibles scores d'IA sont de véritables cancers d'intervalle non visibles sur les mammographies de dépistage.

Le pourcentage élevé d'examens vrais négatifs classés avec un faible score d'IA a le potentiel de réduire considérablement le volume d’examens positifs, tout en ne laissant passer qu'une petite proportion de cancers non détectés. En utilisant l'IA comme l'un des deux lecteurs dans un contexte de double lecture, le radiologue pourrait toujours identifier ces cancers, ont déclaré les chercheurs. « Sur la base de nos résultats, nous nous attendons à ce que l'IA soit d'une grande valeur dans l'interprétation des mammographies de dépistage à l'avenir, poursuit le Pr Hofvind. »

Bien que des études supplémentaires soient nécessaires avant la mise en œuvre clinique de l'IA dans le dépistage du cancer du sein, les résultats de cette étude aident à établir une base pour de futures recherches, notamment des études prospectives. « Nous sommes impatients de tester différents scénarios d'IA en utilisant des données rétrospectives, puis de mener un essai prospectif », a-t-elle conclu.