L'IA confirme son apport dans le dépistage du cancer du sein
Grâce à l’intelligence artificielle (IA), les radiologues du sein au Danemark ont amélioré les performances de dépistage du cancer du sein et réduit le taux de résultats faussement positifs. Ceci est le résultat d’une étude qu’ils ont réalisée et qui a été publiée dans la Revue Radiology.
Ces dernières années, les chercheurs ont étudié l’utilisation des systèmes d’IA dans le dépistage du cancer du sein afin de réduire les risques de faux positifs. Lorsqu’elle est utilisée pour trier les résultats de dépistage probablement normaux ou pour aider à l’aide à la décision, l’IA peut également réduire considérablement la charge de travail des radiologues.
L’IA dans le dépistage du cancer du sein, outil d’aide au diagnostic et de réduction de la charge de travail des radiologues
« Nous pensons que l'IA a le potentiel d'améliorer les performances du dépistage, remarque le Dr Andreas D. Lauritzen, étudiant postdoctoral à l'Université de Copenhague et chercheur à l'hôpital de Gentofte – Danemark -. D’autre part, le dépistage impose une charge de travail importante aux radiologues qui doivent lire un grand nombre de mammographies, dont la majorité ne justifient pas le rappel de la patiente. La charge de travail de lecture est encore aggravée lorsque les programmes de dépistage utilisent la double lecture pour améliorer la détection du cancer et diminuer les rappels de faux positifs. »
Le Dr Lauritzen et ses collègues ont entrepris de comparer, dans une étude publiée dans la Revue Radiology, la charge de travail et les performances de dépistage de deux cohortes de femmes ayant subi un dépistage avant et après la mise en œuvre de l'IA. Cette étude rétrospective a comparé deux groupes de femmes âgées de 50 à 69 ans ayant subi un dépistage biennal par mammographie dans la région de Copenhague, capitale du Danemark.
Cet article est réservé aux abonnés. Connectez-vous pour y accéder.
En vous abonnant à Thema Radiologie, vous débloquez l’accès à l’ensemble de nos contenus premium : dossiers thématiques, tribunes d’experts, analyses technologiques, interviews et décryptages réglementaires.
Rejoignez une communauté de professionnels engagés dans l’innovation en imagerie médicale et radiologie interventionnelle.
SUR LE MÊME THÈME
Les comptes rendus radiologiques ne sont pas près de passer par GPT-4
Les grands modèles de langage multimodaux seraient-ils capables de réaliser des comptes rendus radiologiques ? Des résultats d’essais contradictoires troublent le ressenti sur les possibilités de GPT-4V, un modèle qui se concentre uniquement sur la précision diagnostique. Une étude publiée dans la R...
21/07/2025 -
Un nouvel outil d'extraction de données spécialisé en radiologie
Les méthodes d’élaboration des grands modèles de langage sont basées sur des règles qui ne traitent pas efficacement les données non standardisées. Des chercheurs britanniques présentent, dans un article publié dans la Revue European Radiology, RADEX, le nouvel outil d’extraction de données radiolog...
15/07/2025 -
Des grands modèles de langage sensés participer à l'annotation des images pour le deep learning
Incontournables pour l’entrainement des modèles de deep learning, les annotations d’images radiologiques sont rébarbatives et chronophages pour les experts qui les créent. Des grands modèles de langage (LLM) pourraient remplacer les annotations humaines, comme l’indique un article scientifique publi...
23/06/2025 -
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 -
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 -
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 -
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 -
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.