^
A
A
A

La mammographie guidée par l'IA réduit la charge de travail de 33 % et améliore la détection du cancer du sein

 
, Rédacteur médical
Dernière revue: 02.07.2025
 
Fact-checked
х

Tout le contenu iLive fait l'objet d'un examen médical ou d'une vérification des faits pour assurer autant que possible l'exactitude factuelle.

Nous appliquons des directives strictes en matière d’approvisionnement et ne proposons que des liens vers des sites de médias réputés, des instituts de recherche universitaires et, dans la mesure du possible, des études évaluées par des pairs sur le plan médical. Notez que les nombres entre parenthèses ([1], [2], etc.) sont des liens cliquables vers ces études.

Si vous estimez qu'un contenu quelconque de notre contenu est inexact, obsolète ou discutable, veuillez le sélectionner et appuyer sur Ctrl + Entrée.

06 June 2024, 10:34

Dans une étude récente publiée dans la revue Radiology, des chercheurs du Danemark et des Pays-Bas ont mené une analyse rétrospective de l’efficacité du dépistage et de la charge globale du dépistage par mammographie avant et après l’introduction des systèmes d’intelligence artificielle (IA).

Le dépistage régulier du cancer du sein par mammographie réduit significativement la mortalité due à cette maladie. Cependant, le dépistage mammographique de masse alourdit la charge de travail des radiologues, qui doivent analyser de nombreuses mammographies, dont la plupart ne présentent pas de lésions suspectes.

De plus, le double dépistage, utilisé pour réduire les faux positifs et améliorer la détection, alourdit encore la charge de travail des radiologues. La pénurie de radiologues spécialisés capables d'interpréter les mammographies aggrave cette situation.

Des études récentes ont largement exploré l'utilisation de l'IA pour analyser efficacement les comptes rendus radiologiques tout en maintenant des normes de dépistage élevées. Une approche combinée, où l'IA aide les radiologues à mettre en évidence les mammographies présentant des lésions signalées, devrait réduire leur charge de travail tout en préservant la sensibilité du dépistage.

La présente étude a utilisé des mesures de performance préliminaires de deux cohortes de femmes subissant un dépistage par mammographie dans le cadre du programme national danois de dépistage du cancer du sein pour comparer l’évolution de la charge et des performances du dépistage après l’introduction des outils d’IA.

Le programme a invité les femmes âgées de 50 à 69 ans à se faire dépister tous les deux ans jusqu’à l’âge de 79 ans. Les femmes présentant des marqueurs indiquant un risque accru de cancer du sein, comme les gènes BRCA, ont été dépistées selon différents protocoles.

Les chercheurs ont utilisé deux cohortes de femmes: l’une dépistée avant l’introduction du système d’IA, l’autre après. L’analyse n’a porté que sur les femmes de moins de 70 ans afin d’exclure celles appartenant à un sous-groupe à haut risque.

Toutes les participantes ont bénéficié d'une mammographie numérique standardisée avec incidences crânio-caudales et obliques médiolatérales. Tous les cas positifs de cette étude ont été identifiés par un dépistage du carcinome canalaire ou d'un cancer invasif, confirmé par biopsie à l'aiguille. Les données concernant les rapports anatomopathologiques, la taille des lésions, l'atteinte ganglionnaire et les diagnostics ont également été obtenues à partir d'un registre national de santé.

Le système d'IA utilisé pour analyser les mammographies a été entraîné à l'aide de modèles d'apprentissage profond pour détecter, mettre en évidence et noter toute calcification ou masse suspecte sur la mammographie. L'IA a ensuite classé les dépistages sur une échelle de 1 à 10, indiquant la probabilité d'un cancer du sein.

Une équipe de radiologues, pour la plupart expérimentés, a examiné les mammographies des deux cohortes. Avant l'arrivée du système d'IA, chaque dépistage était examiné par deux radiologues, et un examen clinique et une biopsie à l'aiguille n'étaient recommandés à une patiente que si les deux radiologues estimaient que le dépistage nécessitait une évaluation plus approfondie.

Après la mise en œuvre du système d'IA, les mammographies dont le score était inférieur ou égal à 5 étaient examinées par un radiologue senior, sachant qu'elles ne feraient l'objet que d'une seule lecture. Celles nécessitant un examen plus approfondi étaient discutées avec un second radiologue.

L’étude a révélé que la mise en œuvre du système d’IA réduisait considérablement la charge de travail des radiologues analysant les mammographies dans le cadre du dépistage de masse du cancer du sein, tout en améliorant l’efficacité du dépistage.

La cohorte dépistée avant la mise en œuvre du système d'IA comprenait plus de 60 000 femmes, tandis que la cohorte dépistée avec l'IA en comprenait environ 58 000. Le dépistage avec l'IA a entraîné une augmentation des diagnostics de cancer du sein (0,70 % avant l'IA contre 0,82 % avec l'IA) tout en réduisant le nombre de faux positifs (2,39 % contre 1,63 %).

Le dépistage basé sur l'IA avait une valeur prédictive positive plus élevée et le pourcentage de cancers invasifs était plus faible avec les méthodes basées sur l'IA. Bien que le pourcentage de cancers sans envahissement ganglionnaire n'ait pas changé, d'autres mesures de performance ont montré que le dépistage basé sur l'IA améliorait significativement les résultats. La charge de lecture a également été réduite de 33,5 %.

En résumé, l’étude a évalué l’efficacité d’un système de dépistage basé sur l’IA pour réduire la charge de travail des radiologues et améliorer les taux de dépistage dans l’analyse des mammographies dans le cadre du dépistage de masse du cancer du sein au Danemark.

Les résultats ont montré que le système basé sur l’IA réduisait considérablement la charge de travail des radiologues tout en améliorant les taux de dépistage, comme en témoignent une augmentation significative des diagnostics de cancer du sein et une réduction significative des faux positifs.

You are reporting a typo in the following text:
Simply click the "Send typo report" button to complete the report. You can also include a comment.