L'IA pour trier les femmes éligibles au dépistage du cancer du sein par IRM
L’accès aux modalités d’IRM est difficile, c’est un fait établi, pour l’exploration complémentaire du dépistage du cancer du sein. Dans contexte, l’IA peut-elle être pertinente pour trier les mammographies et sélectionner les femmes éligibles à l’IRM ? Une étude publiée dans la Revue Radiology explore les avantages de cette solution en utilisant un score de suspicion mais les modèles d’IA sont à affiner afin qu’ils puissent identifier tous les types de cancers.
Le dépistage du cancer du sein complète parfois l’examen mammographique par une IRM mammaire pour les patientes les plus à risque. Pour obtenir une précision de détection optimale en effet, les recommandations internationales suggèrent ce complément pour les femmes présentant un risque à vie de 20% ou plus en fonction des antécédents familiaux.
Un accès difficile aux modalités d’IRM pour le complément au dépistage du cancer du sein
Le problème majeur, dans ce cas, est la disponibilité des modalités d’IRM. Dans une étude néerlandaise publiée dans la Revue Radiology, les chercheurs évoquent, aux Pays-Bas, un accès très compliqué à un dépistage IRM pour les femmes présentant un risque de cancer du sein compris entre 20 et 50%. Ils évoquent également des coûts de mise en œuvre élevés et une application incohérente des critères d’éligibilité dans la pratique clinique.
« Les preuves démontrant les avantages du dépistage par IRM dans ce sous-groupe de femmes s'accumulent, prévient l'auteure principale de l'étude, le Dr Suzanne van Winkel, infirmière autorisée, du Centre médical universitaire Radboud à Nimègue (Pays-Bas). L’IRM permet de détecter des cancers qui ne sont pas détectés par la mammographie et qui sont plus petits et plus souvent négatifs au niveau des ganglions lymphatiques. »
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
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 -
Essais sur une RAG pour améliorer les grands modèles de langages en radiologie
Pour renforcer les attributs des grands modèles de langage appliqués à la radiologie, la RAG, qui code les informations dans un espace vectoriel pour affiner les tâches des LLM basées sur la connaissance, semble pertinente. Dans une étude publiée dans la Revue Radiology : Artificial intelligence, de...
05/05/2025 -
Le lexique radiologique standardisé RadLex fête ses vingt ans
RadLex, un lexique radiologique complet développé par la Radiological Society of North America (RSNA) destiné à proposer un langage commun pour communiquer les résultats diagnostiques par les radiologues, célèbre son 20e anniversaire en 2025.
22/04/2025 -
La TDM ultra low dose, prochaine norme pour le suivi des jeunes immunodéprimés ?
La tomodensitométrie à ultra-faible dose débruitée par l’IA permet, en appliquant seulement 2% de la dose normale, de diagnostiquer efficacement la pneumonie chez les patients immunodéprimés. C’est le résultat d’une étude publiée dans la Revue Radiology et qui pourrait ouvrir la voie vers de nouvel...
14/03/2025 -
Recommandations européennes pour l'intégration de l'IA dans la radiologie
L’European Society of Radiology (ESR), sous la direction de son groupe de travail sur l'IA, vient de publier un document de recommandations pour une implémentation généralisée de l’European AI Act.
11/03/2025 -
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.