L'IA détecte un tiers des cas de cancer du sein d'intervalle manqués par le dépistage

Un algorithme d'intelligence artificielle pour le dépistage du cancer du sein pourrait améliorer les performances de la mammographie par tomosynthèse numérique (DBT), réduisant ainsi les taux de cancer d'intervalle jusqu'à un tiers, selon une étude publiée aujourd'hui dans la revue Radiology.

Les cancers du sein d'intervalle sont des tumeurs symptomatiques diagnostiquées entre deux mammographies de dépistage systématique. Leur pronostic est généralement plus sombre en raison d'une maladie plus agressive et d'une croissance tumorale rapide. La mammographie 3D (DBT) permet une meilleure visualisation des lésions mammaires et permet d'identifier les tumeurs potentiellement masquées par des tissus denses. Cependant, la DBT étant une technologie relativement récente, les données sur les résultats à long terme des patientes des établissements ayant récemment adopté cette technique restent limitées.

« Compte tenu de la rareté des données sur la mortalité par cancer du sein au-delà de 10 ans de dépistage par TDM, les taux de cancer d'intervalle sont souvent utilisés comme indicateur », explique le Dr Manisha Bahl, auteure de l'étude et directrice de la qualité de l'imagerie mammaire au Massachusetts General Hospital et professeure agrégée à la Harvard Medical School.
« Une diminution de ce taux suggère une diminution de l'incidence et de la mortalité par cancer du sein. »

Étude: l'IA identifie les tumeurs non détectées

Dans une étude portant sur 1 376 cas, Bal et ses collègues ont analysé rétrospectivement 224 cancers d'intervalle chez 224 femmes ayant bénéficié d'un dépistage par TCD. Sur ces images, l'algorithme d'IA Lunit INSIGHT DBT v1.1.0.0 a correctement localisé 32,6 % (73 sur 224) des tumeurs non détectées auparavant.

« Nous avons été surpris de constater que près d'un tiers des tumeurs d'intervalle ont été détectées et localisées avec précision par l'algorithme d'IA dans des mammographies qui étaient auparavant interprétées comme normales par les radiologues, soulignant le potentiel de l'IA en tant que « deuxième lecteur » », a déclaré Bahl.

Selon les chercheurs, il pourrait s’agir de la première étude publiée examinant spécifiquement l’utilisation de l’IA pour détecter les cancers d’intervalle sur les images DBT.

« L’IA a déjà été utilisée pour détecter les cancers d’intervalle sur des mammographies numériques 2D conventionnelles, mais à notre connaissance, aucune étude n’a été publiée dans la littérature sur la détection par l’IA des tumeurs d’intervalle spécifiquement sur les scanners de tomosynthèse 3D », a expliqué Bal.

Méthodologie: au niveau de la lésion, pas seulement un instantané

Pour éviter de surestimer la sensibilité de l'algorithme, l'équipe de Bal a utilisé une analyse spécifique à la lésion: l'IA n'a reçu un « score de réussite » que si elle identifiait et localisait correctement l'emplacement exact de la tumeur.

« En revanche, l'analyse de l'image entière peut donner un résultat positif à l'IA même si l'annotation est incorrecte, ce qui augmente artificiellement la sensibilité », ajoute-t-elle.
« Se concentrer sur la précision de la localisation des lésions permet une évaluation plus fiable des performances cliniques de l'algorithme. »

Que trouve exactement l’IA?

• Les tumeurs détectées par l’algorithme avaient tendance à être plus grandes
• Le plus souvent, ils se retrouvaient avec des lésions des ganglions lymphatiques.
• Cela pourrait signifier que l’IA identifie principalement les tumeurs agressives ou à croissance rapide, ou celles qui étaient déjà à un stade avancé mais qui ont été manquées par les médecins lors du dépistage.

Résultats globaux:

Parmi 1 000 patients (incluant à la fois ceux avec des tumeurs confirmées et ceux avec des résultats bénins ou faussement positifs), l'IA:

• 84,4 % des 334 cas vrais positifs ont été correctement localisés
• 85,9 % des 333 vrais négatifs ont été correctement classés
• Rejeté comme faux 73,2 % des 333 cas faussement positifs

Conclusions et signification

« Notre étude a montré que l'algorithme d'IA pouvait détecter rétrospectivement et localiser avec précision près d'un tiers des cancers du sein d'intervalle sur les images de dépistage DBT, indiquant son potentiel à réduire l'incidence des cancers d'intervalle et à améliorer les résultats du dépistage », a déclaré le Dr Bahl.

Nos résultats soutiennent l'intégration de l'IA dans les flux de travail de la TCD afin d'améliorer la précision de la détection du cancer. Cependant, l'impact réel dépendra de la mesure dans laquelle les radiologues adopteront et adapteront l'IA à leur pratique clinique, ainsi que de la capacité à tester son efficacité dans différents contextes cliniques.