Les dépistages du cancer du sein avec le soutien de l’intelligence artificielle détectent 20 % de tumeurs en plus | Santé et bien-être

Dans le cancer, le temps c’est la santé. Plus tôt une tumeur est détectée, mieux c’est : plus de chances de traitement et de guérison. Pour cette raison, les tests de détection précoce sont devenus un allié pour augmenter la survie et stopper au plus tôt les tumeurs précoces. La littérature scientifique estime par exemple que le dépistage de la population par mammographie réduit la mortalité de 20% par le cancer du sein, et cette baisse peut être encore plus prononcée si les tests de dépistage et l’analyse des résultats sont affinés. L’intelligence artificielle (IA) s’est déjà glissée dans ce domaine et, selon une étude suédoise publiée dans L’oncologie du Lancet Avec 80 000 femmes, les dépistages du cancer du sein qui s’appuient sur des systèmes d’intelligence artificielle pour lire les mammographies détectent 20 % de tumeurs en plus que ceux qui suivent la méthodologie de lecture traditionnelle avec un double examen par deux radiologues. Les résultats préliminaires de la recherche, toujours en cours, concluent que l’utilisation de l’IA pour analyser les mammographies est sûre et réduit de près de moitié la charge de travail des radiologues.

Dans un dépistage du cancer du sein, l’analyse de la mammographie est généralement effectuée, comme le recommandent les recommandations cliniques européennes, par deux radiologues indépendants. S’ils ne sont pas d’accord sur la lecture, ils ont tendance à s’entendre sur les divergences ou à faire prévaloir la décision la plus agressive – entre ne pas rappeler le patient ou le renvoyer pour plus de tests, par exemple, opter pour le second. Une étude suggère que cette technique de double lecture détectera 0,44 tumeurs de plus pour 1 000 personnes examinées qu’avec une seule lecture. Cependant, l’œil du spécialiste n’est pas non plus infaillible : le littérature scientifique estime que jusqu’à 25 % des cancers visibles par mammographie ne sont toujours pas détectés lors du dépistage et qu’il existe déjà recherche suggérant que la précision de l’IA peut être similaire ou même meilleure que celle des radiologues.

Pour voir si la détection assistée par l’IA n’est effectivement pas inférieure à la méthodologie standard, l’étude suédoise a recruté plus de 80 000 femmes en bonne santé qui ont participé au dépistage du cancer du sein basé sur la population entre avril 2021 et juillet 2022. Les chercheurs Ils les ont divisés en deux groupes : les groupe témoin, dont l’analyse mammographique devait suivre la procédure standard de double lecture ; et le groupe d’intervention, qui aurait l’aide initiale d’un système d’intelligence artificielle pour analyser les tests médicaux – et classer leur degré de risque – avant d’être revus et interprétés par un ou deux radiologues (un, si le risque est marqué par l’IA ​était faible et deux si la mammographie était au seuil de danger élevé).

« Il n’y a pas eu de faux positifs parmi ces 20 %. Ce sont des cas confirmés de cancer.

Kristina Lång, Université de Lund

L’analyse des tests médicaux a permis de détecter 244 femmes atteintes de cancer dans le groupe assisté par IA et 203 autres dans le groupe témoin. C’est-à-dire que l’incorporation de systèmes d’IA dans l’analyse a permis de diagnostiquer 20 % de tumeurs en plus. « Avec la détection assistée par IA, nous détectons 20 % de cancers en plus qu’avec la détection standard (double lecture sans IA). Il n’y avait pas de faux positifs parmi ces 20 %. Ce sont des cas confirmés de cancer. La détection assistée par l’IA n’a pas entraîné d’augmentation des faux positifs, ce qui est très bien », déclare Kristina Lång, chercheuse à la Division de radiologie diagnostique de l’Université de Lund (Malmö, Suède) et auteur de l’étude. Le taux de faux positifs de tous les tests réalisés était similaire dans les deux groupes : 1,5 %.

Lång explique que ces outils d’IA sont utilisés comme “une aide au dépistage pour mettre en évidence les résultats suspects sur les images” et que “cela peut aider le radiologue à détecter davantage de cancers qui auraient pu être manqués”. “L’IA peut également être utilisée pour classer les examens de dépistage en groupes à faible risque et à haut risque. Un examen classé comme à haut risque peut alerter le radiologue qu’il peut y avoir quelque chose de suspect de malignité. Il y a un effet synergique lorsque l’intelligence humaine et artificielle se rejoignent », reconnaît le scientifique suédois.

Réduire les charges de travail

Ces résultats préliminaires de l’étude ouvrent la porte à l’intégration de l’IA comme outil d’aide à l’interprétation des mammographies, car outre l’augmentation de la détection des cas, elle pourrait servir à optimiser le rôle des radiologues et à réduire la charge de travail. Les chercheurs rappellent que, bien que les autorités européennes recommandent l’analyse des mammographies à double lecture par deux radiologues, cela implique “une charge de travail importante pour les spécialistes et peut potentiellement augmenter les faux positifs”. Et ces désagréments ne sont pas anodins, soulignent-ils, compte tenu de la pénurie de radiologues experts dans la lecture des mammographies. «De plus, malgré la double lecture, certains cancers peuvent être manqués et diagnostiqués comme des cancers d’intervalle. [son los que se detectan entre dos pruebas de cribado]», soulignent les scientifiques dans l’article.

En fait, les chercheurs suédois analysent également dans cette étude – ils ont besoin de 100 000 participants pour cela et de deux ans de suivi -, si l’utilisation de l’IA pour soutenir l’analyse des mammographies réduit également les cancers d’intervalle, qui ont généralement un plus pronostic défavorable. Un taux élevé de cancer d’intervalle est un indicateur que le programme de détection précoce ne remplit pas son objectif, car il ne parvient pas à diagnostiquer cette tumeur tôt. «Nous émettons l’hypothèse que l’IA pourrait conduire à un meilleur programme de dépistage avec moins de cancers d’intervalle. Puisque nos premiers résultats montrent que nous détectons plus de cancers, il est possible que nous puissions avoir un programme de détection meilleur et plus efficace », évalue Lång.

L’IA doit être un outil pour le radiologue et non l’inverse »

Kristina Lång, Université de Lund

La charge de travail des radiologues peut devenir très élevée et cela affecte leur capacité d’analyse. Marina Álvarez, spécialiste du sein de la Société espagnole de radiologie médicale (SERAM), admet qu’en une journée de lecture de mammographies, un radiologue peut en analyser plus de 100. “Et la plupart d’entre elles vont être normales et que, avec le fatigue du radiologue, favorise le fait que certaines lésions peuvent passer inaperçues », explique le spécialiste, qui est également directeur de l’unité de radiodiagnostic et cancer du sein de l’hôpital Reina Sofía de Cordoue.

Álvarez, qui n’a pas participé à l’étude, qualifie la recherche de “très bonne et méthodologiquement impeccable” et souligne les avantages de l’incorporation de l’IA pour soutenir l’analyse des mammographies : “L’IA a la capacité de stratifier les études en fonction du risque, de faire gagner du temps au radiologue et améliorer la performance du spécialiste ». En effet, l’étude confirme, en effet, que dans le groupe d’intervention, la lecture des mammographies a été réduite d’environ 44 %. « Ces systèmes permettent de classer l’étude selon qu’il est possible ou non d’avoir un cancer car il peut détecter des nodules, des calcifications… Cette stratification du risque, qu’un radiologue ne peut pas faire en si peu de temps, sert à traiter différemment chaque groupe à risque différent. : la majorité est à faible risque, seulement 30 % sont à risque intermédiaire-élevé et seulement 3 % sont à risque élevé ; et en ce que 3% sont 70% des cancers. C’est pourquoi la stratification est si importante », explique Álvarez. Avec ce filtre en place, le radiologue peut aller plus vite dans l’analyse des mammographies à faible risque et se concentrer davantage sur l’étude des mammographies à haut risque.

Josep Munuera, chef du service d’imagerie diagnostique de l’hôpital Sant Pau de Barcelone et expert en technologies numériques appliquées à la santé, soutient également que cette étude, à laquelle il n’a pas participé, a une “très bonne” conception et renforce certains “attendus ” résultats. “Il existe des algorithmes avec des taux de détection élevés qui, si vous les combinez avec l’humain, améliorent également les taux humains.” Le médecin insiste également sur l’importance que le lecteur humain, comme dans cette étude, soit un radiologue très expérimenté.

Dans le groupe d’intervention, 75 % des tumeurs détectées étaient invasives — elles sont plus répandues — et 25 % étaient in situ — de petites lésions du sein qui peuvent être inoffensives. Dans le groupe témoin, 81 % étaient invasifs et seulement 19 % in situ. Les chercheurs admettent qu’une détection accrue des tumeurs in situ “pourrait être préoccupante en termes de surdiagnostic” car ces types de lésions peuvent ne jamais évoluer vers un cancer ou même disparaître d’eux-mêmes, et il existe un risque d’embarquer le patient dans d’autres étapes potentiellement inutiles. des tests ou des thérapies contre le cancer. Álvarez nuance cependant ce point : « Il y a des gens qui peuvent penser que 25 % des tumeurs détectées in situ est un pourcentage élevé car elles ne finissent pas toutes par être cancéreuses et elles seraient traitées beaucoup plus. [de lo necesario]mais on ne peut pas différencier lequel va avancer, on n’a aucun moyen de savoir s’il va y rester ou avancer ».

Le radiologue envoie

Face à ce dilemme, ajoute Munuera, le radiologue a la clé. « Ces lésions, même si elles sont détectées, sont si subtiles qu’elles ne doivent pas finir par évoluer en cancer. Le radiologue interprétera l’image et décidera », explique-t-il. Mais il ajoute : « Introduire les outils d’IA, c’est voir 100 % de ces blessures et vous devrez prendre une décision à leur sujet. C’est la prochaine étape, pour voir ce que nous faisons avec eux ». Munuera célèbre, en tout cas, que la réduction de la charge de travail en lectures peut favoriser “une redistribution très positive des flux de travail pour donner au radiologue plus de vitesse de lecture et réduire la liste d’attente pour l’analyse des mammographies et aussi pour pouvoir effectuer plus d’interventions traitements et tests complémentaires » associés aux résultats de ces dépistages.

Les chercheurs suédois insistent toutefois fortement sur le fait que l’IA est un outil à la disposition du radiologue, mais le spécialiste a le dernier mot. “L’IA devrait être un outil pour le radiologue et non l’inverse”, déclare Lång. Ces systèmes ne sont pas non plus sans ambiguïté : « Sur la base d’études rétrospectives, nous savons que l’IA passe à côté de certains types de cancer. L’IA peut également être trop sensible, signalant de nombreux résultats que nous, en tant que radiologues, pouvons facilement déterminer comme étant normaux. Par conséquent, le radiologue est essentiel pour prendre la décision finale si un examen de dépistage est normal ou si la femme doit être rappelée pour une étude complémentaire », explique le chercheur suédois.

Malgré les résultats favorables de cette étude, il reste encore un long chemin à parcourir pour voir l’IA remplacer la lecture humaine. “Les directives européennes ne recommandent pas actuellement que l’IA remplace un lecteur humain”, convient Lång. Mais des études comme la sienne étayent les preuves pour avancer sur cette voie. Toujours, oui, sous la supervision du radiologue.

Vous pouvez suivre LE PAYS Santé et Bien-être dans Facebook, Twitter e Instagram.