Le CAD permet de réduire le nombre de biopsies mammaires dans les régions sous-dotées
MARDI 06 JUIN 2023
Soyez le premier à réagirSelon un article publié dans l'American Journal of Roentgenology (AJR), le diagnostic assisté par ordinateur (CAD) basé sur le deep learning pour la classification des lésions mammaires par échographie peut améliorer significativement le diagnostic des radiologues inexpérimentés pour cette procédure. Le Cad peut également permettre de réduire le nombre de biopsies mammaires sur des seins portant des lésions bénignes.
Le cancer du sein a dépassé le cancer du poumon en tant que principale cause de cancer dans le monde en 2020, représentant 11,7 % de tous les cas de cancer. La survie globale du cancer du sein augmente avec la détection et le traitement précoces.
Les lésions inférieures à 2cm évaluées sereinement que par des radiologues expérimentés en échographie mammaire
La taille de la tumeur est un prédicteur important de la biologie et de l'agressivité du cancer du sein qui a un impact direct sur la survie des patientes. Le taux de survie globale à 10 ans des patientes atteintes d'un cancer du sein mesurant moins de 2cm (c'est-à-dire les cancers de catégorie T1) est supérieur aux autres, ce qui montre l'importance d'une détection précoce. Le référentiel échographique BI-RADS fournit des caractéristiques d'imagerie fondées sur des preuves qui aident les radiologues à déterminer un niveau de suspicion pour les lésions mammaires détectées à partir de l'échographie, la seule modalité d'imagerie mammaire disponible dans les centres mal desservis en dispositifs médicaux.
De plus, les lésions mammaires mesurant moins de 2cm peuvent présenter des caractéristiques échographiques atypiques, de sorte qu'il peut être difficile de différencier les lésions mammaires bénignes et malignes dans cette gamme de taille par échographie conventionnelle, en particulier pour les radiologues sans expertise en échographie mammaire. L'échographie détecte de manière plus fiable les cancers du sein de plus de 2,0 cm et ceux classés au stade II ou supérieur. Les systèmes de détection assistés par ordinateur peuvent, dans ces conditions aider à localiser les zones anormales sur les images et à classer les anomalies détectées en lésions bénignes ou malignes.
Le CAD peut-il remplacer l’expertise lorsqu’un radiologue inexpérimenté prend la patiente en charge ?
Des études ont démontré l'utilité d'un système de diagnostic assisté par ordinateur (CAO) incorporant un apprentissage en profondeur pour améliorer les performances diagnostiques des radiologues pour l'interprétation des échographies mammaires et pour aider à réduire la fréquence des biopsies de lésions mammaires bénignes. Mais il serait intéressant d’analyser ses avantages lorsqu’il est utilisé par des radiologues n'ayant pas une expertise en échographie mammaire. C’est dans ce contexte que des chercheurs chinois ont réalisé une étude, publiée dans l’American Journal of Roentgenology, visant à évaluer l'utilité d'un logiciel de CAD basé sur le deep learning pour la performance diagnostique des radiologues sans expertise en échographie mammaire dans les hôpitaux secondaires ou ruraux dans la différenciation des lésions mammaires bénignes et malignes mesurant jusqu'à 2,0 cm à l'échographie.
Par rapport à la littérature soutenant la CAD dans les centres tertiaires et/ou urbains, les résultats de cette étude prospective multicentrique « soutiennent le CAD dans ce contexte d’un accès incomplet à l'expertise en imagerie mammaire", écrit l'auteur correspondant du l’étude, le Dr Li-Gang Cui, du troisième hôpital de l'Université de Pékin à Pékin (Chine). Cette étude a inclus des patientes devant subir une biopsie ou une résection chirurgicale d'une lésion mammaire, classées dans la catégorie BI-RADS 3-5 lors d'une échographie mammaire antérieure, dans huit hôpitaux secondaires ou ruraux chinois de novembre 2021 à septembre 2022.
Un outil qui permet de réduire le nombre de biopsies mammaires
Les patientes ont fait l’objet d’une échographie mammaire expérimentale supplémentaire, réalisée et interprétée par un radiologue sans expertise dans la modalité. Les résultats CAD ont été utilisés pour mettre à niveau les lésions de catégorie BI-RADS 3 attribuées par le lecteur à la catégorie 4A, ainsi que pour déclasser les lésions BI-RADS 4A à 3. Les résultats histologiques de la biopsie ou de la résection ont servi de norme de référence aux chercheurs.
En fin de compte, l'application du CAD aux interprétations par des radiologues sans expertise en échographie mammaire a entraîné la mise à niveau de 6,0 % (6/100) des évaluations BI-RADS de catégorie 3 vers la catégorie 4A, dont 16,7 % (1/6) étaient malignes, et la rétrogradation de 79,1 % (87/110) des évaluations de la catégorie 4A à la catégorie 3, dont 4,6 % (4/87) étaient malignes. Le CAD peut donc, en autres possibilités, permettre de réduire le nombre de biopsies mammaires réalisées après l’échographie sur des seins portant des lésions bénignes.
Bruno Benque avec AJR