Étude : Le dépistage des mammographies assistées par l'IA a aidé les médecins à détecter 20 % de cas de cancer du sein de plus.

L'intelligence artificielle (IA) pourrait être en mesure de détecter plus précisément le cancer du sein sur les images de mammographie que les médecins formés, selon une nouvelle étude.

La Société américaine du cancer recommande aux femmes qui ne sont pas exposées à un risque plus élevé de cancer du sein de commencer des mammographies annuelles à partir de 45 ans et de pouvoir choisir de les commencer dès l'âge de 40 ans. Il existe de nombreux facteurs, notamment la densité mammaire, qui rendent difficile la détection des tumeurs à l'œil humain.

Cela dit, environ 1 cas de cancer du sein sur 8 est manqué lors des mammographies. La nouvelle étude a révélé que l'IA pourrait aider à résoudre ce problème.

Le dépistage du cancer du sein assisté par l'IA n'est pas encore parfait, mais il pourrait aider à réduire la charge de travail des médecins à l'avenir et à rendre les lectures de mammographie plus précises.

"Une partie difficile de la lecture des examens de dépistage est que la grande majorité des examens sont normaux", a déclaré Kristina Lång, MD, PhD, professeur associé en radiologie diagnostique à l'Université de Lund en Suède, qui a dirigé l'étude.

"Lorsque vous avez lu des centaines d'examens normaux, il arrive parfois aux radiologues de passer à côté d'un cancer subtil", a-t-elle déclaré.

Pour l'essai randomisé, contrôlé et populationnel, Lång et son équipe ont analysé des mammographies de 80 000 femmes suédoises qui ont subi des examens entre avril 2021 et juillet 2022.

La moitié des examens ont été lus par deux radiologues hautement qualifiés, et l'autre moitié a été lue à la fois par un radiologue expérimenté et par l'IA.

Le groupe assisté par ordinateur a détecté 20% de cancers supplémentaires dans les examens par rapport à l'équipe humaine uniquement. En chiffres bruts, cela représente un taux de détection de 6 pour 1 000 femmes dépistées, contre 5 pour 1 000 avec la lecture standard.

La technologie n'est pas conçue pour être utilisée seule, mais elle semble être assez utile lorsqu'elle est utilisée en tandem avec un regard formé.

Les radiologues ont pu détecter certains cas de cancer que l'IA a manqués, et l'association synergique de l'humain et de l'ordinateur n'a pas augmenté le risque de faux négatifs - lorsque quelqu'un a un cancer qui n'est pas détecté lors de la lecture d'une mammographie.

"Une mammographie contient tellement d'informations, bien plus que ce que l'œil humain, même un œil humain très entraîné, peut percevoir", a déclaré Debbie Bennett, MD, chef de la radiologie, division de l'imagerie mammaire à l'Université de Washington à St.Louis, qui n'a pas participé à la nouvelle étude.

"Le nombre de pixels dans chaque mammographie dépasse ce que nos yeux et nos cerveaux peuvent traiter", a-t-elle déclaré.

Les algorithmes d'IA sont formés à l'aide de millions de cas de cancer du sein, ce qui donne aux ordinateurs un avantage pour détecter les anomalies dans les examens, a déclaré Bennett à Health.

Une fois qu'un algorithme d'IA identifie une anomalie, il prend des images de l'anomalie perçue que qu'un radiologue formé peut évaluer pour déterminer si des tests supplémentaires - tels qu'une échographie ou une biopsie - sont nécessaires.

D'après le Centre médical de l'Université de Rochester, environ 10% des personnes qui passent une mammographie nécessitent des tests supplémentaires, mais seulement environ 0,5% sont atteintes d'un cancer.

Aux États-Unis, environ 240 000 cas de cancer du sein sont diagnostiqués chez les femmes chaque année. La détection précoce est primordiale pour les résultats. Plus le cancer est détecté tôt, plus le traitement sera probablement efficace.

Un aspect qui peut rendre difficile la détection précoce des tumeurs cancéreuses à l'aide d'images de mammographie est la densité des seins - quelque chose dont environ la moitié des femmes de plus de 40 ans aux États-Unis sont atteintes.

Les seins denses sont composés d'une quantité plus élevée de tissu fibreux ou glandulaire par rapport au tissu adipeux, ce qui crée plus de zones blanches sur une image de mammographie - de la même couleur que les tumeurs.

C'est pourquoi la Food and Drug Administration (FDA) a récemment modifié la loi sur les normes de qualité de la mammographie (MQSA) de 1992, une loi adoptée pour garantir la qualité des mammographies, afin d'exiger que les cliniques de mammographie avisent les personnes qui sont jugées avoir des seins denses.

Certaines cliniques utilisent déjà un calcul informatique appelé évaluation volumétrique de la densité mammaire pour déterminer qui a des seins denses et guider l'évaluation des cliniciens pour savoir qui a besoin d'un dépistage supplémentaire. Cette méthode offre une approche plus standardisée de la densité mammaire, qui est souvent laissée à la discrétion de chaque médecin individuel, a déclaré Bennett.

Une analyse d'image informatique relativement simplifiée, appelée CAD, est déjà utilisée pour détecter des motifs dans les mammographies, qui peuvent révéler des anomalies, bien qu'elle soit beaucoup moins efficace que l'IA ne semble l'être.

Bennett a souligné qu'il y a encore beaucoup à apprendre sur l'IA.

"Parce que la technologie est si nouvelle, il n'y a pas suffisamment de données sur l'impact de l'IA en mammographie", a-t-elle déclaré. "Nous ne savons pas quel est le véritable avantage ou inconvénient de la technologie".

La FDA a déjà approuvé plusieurs technologies d'IA pour le dépistage du cancer du sein, mais elles ne sont pas encore courantes. À l'avenir, il est probable que les dépistages du cancer du sein utiliseront à la fois les méthodes standard d'évaluation des examens et l'IA.

“Currently, AI cannot replace humans,' Lång said, 'but it can make our work more effective and accurate.'

Accurate effective work is crucial for the breast cancer screening needs the United States is facing. Last year, the American College of Radiology reported both a shortage of radiologists and an aging population that requires more imaging as part of their health care.

Bennett explained that AI can really lighten the workload for an overburdened radiologist in identifying normal scans. Many scans are definitely cancer-free, and using an AI algorithm that can identify these cases with confidence would free up time for radiologists to review scans that are not definitively normal. 

“That is where the expertise and clinical judgment of a trained radiologist is needed,” said Bennett. 

Doctors will also still play a vital role in communicating information with patients and making judgment calls on what additional screening is appropriate for specific cases.

“Humans have to be in the steering wheel,” Lång emphasized. In Sweden, her clinic is already confident enough to begin implementing AI in breast cancer screenings.

“We know it is safe and since we performed the trial in the same setting,' she said, 'we feel certain it will work.'