Le logiciel testé provient de Vara, une startup basée en Allemagne qui a également mené l’étude. L’IA de la société est déjà utilisée dans plus d’un quart des centres de dépistage du cancer du sein en Allemagne et a été introduite plus tôt cette année dans un hôpital au Mexique et un autre en Grèce.
L’équipe Vara, avec l’aide de radiologues de l’hôpital universitaire d’Essen en Allemagne et du Memorial Sloan Kettering Cancer Center à New York, a testé deux approches. Dans le premier, l’IA travaille seule pour analyser les mammographies. Dans l’autre, l’IA fait automatiquement la distinction entre les analyses qu’elle juge normales et celles qui suscitent des inquiétudes. Il réfère ces derniers à un radiologue, qui les examinerait avant de voir l’évaluation de l’IA. Ensuite, l’IA émettrait un avertissement si elle détectait un cancer alors que le médecin ne le faisait pas.
“Dans le processus proposé basé sur l’IA, près des trois quarts des études de dépistage n’ont pas eu besoin d’être examinées par un radiologue, tout en améliorant la précision globale.”
Charles Langlotz
Pour former le réseau neuronal, Vara a alimenté les données d’IA de plus de 367 000 mammographies, y compris les notes des radiologues, les évaluations originales et les informations indiquant si la patiente avait finalement un cancer, pour apprendre à placer ces scans dans l’un des trois seaux : », « pas confiant » (dans lequel aucune prédiction n’est donnée) et « cancer confiant ». Les conclusions des deux approches ont ensuite été comparées aux décisions prises à l’origine par de vrais radiologues sur 82 851 mammographies provenant de centres de dépistage qui n’ont pas contribué aux analyses utilisées pour former l’IA.
La deuxième approche – médecin et IA travaillant ensemble – était 3,6 % plus efficace pour détecter le cancer du sein qu’un médecin travaillant seul, et a déclenché moins de fausses alertes. Il a accompli cela tout en mettant automatiquement de côté les analyses qu’il a classées comme normales avec confiance, ce qui représentait 63% de toutes les mammographies. Cette rationalisation intense pourrait réduire la charge de travail des radiologues.
Après les dépistages du cancer du sein, les patientes avec une scintigraphie normale sont renvoyées, tandis qu’une scintigraphie anormale ou peu claire déclenche des tests de suivi. Mais les radiologues examinant les mammographies manquer 1 cancer sur 8. La fatigue, le surmenage et même l’heure de la journée affectent tous la capacité des radiologues à identifier les tumeurs lorsqu’ils visualisent des milliers d’examens. Les signes visuels subtils sont également généralement moins susceptibles de déclencher des alarmes, et le tissu mammaire dense, que l’on trouve principalement chez les patientes plus jeunes, rend les signes de cancer plus difficiles à voir.
Les radiologues utilisant l’IA dans le monde réel sont tenus par la loi allemande d’examiner chaque mammographie, en jetant au moins un coup d’œil à celles que l’IA appelle bien. L’IA leur donne toujours un coup de main en pré-remplissant des rapports sur les scans étiquetés normaux, bien que le radiologue puisse toujours rejeter l’appel de l’IA.
Thilo Töllner, un radiologue qui dirige un centre allemand de dépistage du cancer du sein, utilise le programme depuis deux ans. Il n’est parfois pas d’accord lorsque l’IA classe les scans comme des rapports normaux et remplis manuellement pour refléter une conclusion différente, mais il dit que “les normaux sont presque toujours normaux”. Généralement, “il vous suffit d’appuyer sur Entrée”.
Les mammographies que l’IA a qualifiées de « cancers ambigus » ou de « cancers confirmés » sont référées à un radiologue, mais seulement après que le médecin a proposé une évaluation initiale indépendante.
