Le deep learning supérieur aux modèles classiques d'évaluation des risques de cancer du sein

Le risque de cancer du sein chez une femme est généralement calculé à l'aide de modèles cliniques tels que le modèle de risque du (BCSC), qui utilise des informations autodéclarées ainsi que des données relatives à l'âge, aux antécédents familiaux, à la maternité ou à la structure histologique des seins, pour calculer un score de risque.

Des modèles de deep learning pour calculer le risque de cancer du sein

Une équipe américaine a expérimenté un modèle de deep learning dans le but de calculer ce risque de manière différente. Ce travail a été publié dans la Revue Radiology. « Les modèles de risque clinique dépendent de la collecte d'informations provenant de différentes sources, qui ne sont pas toujours disponibles ou collectées, précise le chercheur principal le Pr Vignesh A. Arasu, chercheur et radiologue en exercice au Kaiser Permanente Northern California. Les progrès récents du deep learning nous permettent d'extraire des centaines, voire des milliers de caractéristiques mammographiques supplémentaires. »

Dans cette étude rétrospective, le Pr Arasu a utilisé des données associées à des mammographies de dépistage 2D négatives réalisées au Kaiser Permanente Northern California en 2016. Sur les 324 009 femmes dépistées en 2016 qui répondaient aux critères d'éligibilité, une sous-cohorte aléatoire de 13 628 femmes a été sélectionnée pour l'analyse. De plus, les 4 584 patientes du groupe d'éligibilité qui ont reçu un diagnostic de cancer dans les cinq ans suivant la mammographie initiale de 2016 ont également été étudiées. Toutes les femmes ont été suivies jusqu'en 2021.