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. « Nous pensons que l'IA a le potentiel d'améliorer les performances du dépistage », remarque le Docteur 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 Docteur Lauritzen et ses collègues ont entrepris de comparer 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. Dans le premier groupe, deux radiologues ont lu les mammographies de femmes dépistées entre octobre 2020 et novembre 2021 avant la mise en place de l’IA. Les mammographies de dépistage du deuxième groupe de femmes réalisées entre novembre 2021 et octobre 2022 ont été, dans un premier temps, analysées par IA. Les mammographies jugées probablement normales par l'IA ont ensuite été lues par l'un des 19 radiologues du sein spécialisés à temps plein (simple lecture). Les mammographies restantes ont été lues par deux radiologues (double lecture) avec une aide à la décision assistée par l'IA.
Le système d’IA disponible dans le commerce utilisé pour le dépistage a été formé par des modèles de deep learning pour mettre en évidence et évaluer les lésions et calcifications suspectes dans les mammographies. Toutes les femmes ayant subi un dépistage mammographique ont été suivies pendant au moins 180 jours. Les cancers invasifs et les carcinomes canalaires in situ (CCIS) détectés lors du dépistage ont été confirmés par biopsie ou par prélèvement chirurgical. Au total, 60 751 femmes ont été dépistées sans IA et 58 246 femmes ont été dépistées avec le système d'IA. Dans le groupe de mise en œuvre de l'IA, 66,9 % (38 977) des dépistages étaient à lecture unique et 33,1 % (19 269) étaient en double lecture avec l'aide de l'IA. Par rapport au dépistage sans IA, le dépistage avec le système d'IA a détecté significativement plus de cancers du sein (0,82 % contre 0,70 %) et avait un taux de faux positifs plus faible (1,63 % contre 2,39 %). « Dans le groupe dépisté par l'IA, le taux de rappel a diminué de 20,5 % et la charge de travail de lecture des radiologues a été réduite de 33,4 % », ajoute le Docteur Lauritzen. La valeur prédictive positive du dépistage par IA était également supérieure à celle du dépistage sans IA (33,5 % contre 22,5 %). Dans le groupe IA, une proportion plus élevée de cancers invasifs détectés mesurait 1 centimètre ou moins (44,93 % contre 36,60 %).
Article rédigé par Georges Simmonds pour RT Flash
