Quand IRM et IA permettent de caractériser les sous-types moléculaires HER2
La caractérisation HER2 des lésions mammaires peut différer selon la méthode de biopsie utilisée. Du deep learning radiomique appliqué à l’IRM multiparamétrique est capable d’identifier les sous-types moléculaires, ce qu’une étude publiée dans l'American Journal of Roentgenology (AJR) tente de confirmer, notamment en expliquant la méthodologie d’identification des sous-types moléculaires par deep learning radiomique.
La prise en charge actuelle du cancer du sein se concentre principalement sur les caractéristiques pathologiques traditionnelles, en mettant l'accent sur l'expression du récepteur des œstrogènes (ER), du récepteur de la progestérone (PR) et de HER2.
Une caractérisation HER2 pouvant différer selon la méthode de biopsie
L'expression de HER2, évaluée par coloration immunohistochimique (IHC) et hybridation fluorescente in situ (FISH), classe les lésions en HER2-négatif, générant des traitements en fonction de leurs statuts ER, HER2-positif ou HER2-low, de plus en plus reconnu comme un nouveau sous-type moléculaire du cancer du sein avec caractéristiques biologiques uniques.
Mais il se trouve que l'expression de HER2 déterminée par biopsie à l'aiguille peut ne pas correspondre à celle déterminée par biopsie chirurgicale en raison d'un biais d'échantillonnage, ce qui entrainerait des résultats sous-optimaux en termes de traitement. En conséquence, un outil non invasif précis pour une classification complète de l’expression de HER2 à trois niveaux (HER2-zéro, HER2-faible, HER2-positif) reste nécessaire.
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.
Profitez de 15 jours d'essai gratuit pour découvrir tous nos contenus premium !
Déjà abonné ? Connectez-vous pour débloquer cet article.
SUR LE MÊME THÈME
Trouver le modèle qui puisse efficacement intégrer l'IA dans le flux de travail du radiologue
Le médecin-chercheur Eric J. Topol et le spécialiste en IA de Harvard, Pranav Rajpurkar plaident en faveur d'une séparation claire des rôles entre les systèmes d'IA et les radiologues dans un éditorial publié dans la Revue Radiology. Ils proposent un cadre que les radiologues doivent adapter à leurs...
28/08/2025 -
Un acteur français de l'IA propose deux outils TDM pour la détection du cancer
Gleamer, acteur française de l’IA médicale, a lancé en juillet dernier sa suite OncoView destinée à assister les radiologues dans la détection précoce du cancer par densitométrie (TDM).
22/08/2025 -
Un réseau de radiologues français conclut un accord avec un fournisseur d'IA pour le diagnostic
Gleamer a annoncé, le 10 Juillet 2025, la signature d’un partenariat stratégique avec le réseau France Imageries Territoires (FIT) pour le déploiement des solutions Gleamer Copilot® dans l’ensemble des centres d’imagerie du réseau FIT.
29/07/2025 -
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 -
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.