Un algorithme d'IA pour le dépistage du cancer du sein a un potentiel pour améliorer les performances de la tomosynthèse du sein numérique (DBT), réduisant les cancers d'intervalle jusqu'à un tiers, selon une étude publiée aujourd'hui dans Radiologieun journal de la Société radiologique d'Amérique du Nord (RSNA).
Les cancers intervalles du sein-symptomatiques diagnostiqués dans une période entre les examens de mammographie de dépistage régulier tendu à des résultats moins élevés en raison de leur biologie plus agressive et de leur croissance rapide. Le DBT, ou mammographie 3D, peut améliorer la visualisation des lésions mammaires et révéler des cancers qui peuvent être obscurcis par des tissus denses. Étant donné que le DBT est relativement nouveau en tant que technologie de dépistage avancée, les données à long terme sur les résultats des patients sont limitées dans les établissements qui ne sont pas passés à DBT jusqu'à récemment.
« Compte tenu du manque de données à long terme sur la mortalité liée au cancer du sein mesurée pendant 10 ans ou plus après l'initiation du dépistage du DBT, le taux de cancer de l'intervalle a souvent été utilisé comme marqueur de substitution », a expliqué l'auteur de l'étude Manisha Bahl, MD, MPH, professeur d'association du sein de la division du sein et chef de co-service à la Massachusetts Hospital et professeur associé à la Harvard Medical School. « La baisse de ce taux est supposée réduire la morbidité et la mortalité liées au cancer du sein. »
Dans une étude de 1 376 cas, le Dr Bahl et ses collègues ont analysé rétrospectivement 224 cancers d'intervalle chez 224 femmes qui avaient subi un dépistage du DBT. Sur ces examens DBT, l'algorithme AI (Lunit Insight DBT v1.1.0.0) a correctement localisé 32,6% (73/224) de cancers qui n'étaient pas détectés auparavant.
Mon équipe et moi avons été surpris de constater que près d'un tiers des cancers d'intervalle ont été détectés et correctement localisés par l'algorithme de l'IA sur le dépistage des mammographies qui avaient été interprétées comme négatives par les radiologues, mettant en évidence le potentiel de l'IA en tant que deuxième lecteur précieux. «
Dr Manisha Bahl, MD, MPH, auteur d'étude
Selon les chercheurs, le Radiologie L'étude peut représenter les premières recherches publiées pour examiner spécifiquement l'assistance de l'IA pour détecter les cancers d'intervalle sur les examens DBT de dépistage.
« Plusieurs études ont exploré l'utilisation de l'IA pour détecter les cancers d'intervalle sur le dépistage des examens de mammographie numérique bidimensionnelle, mais à notre connaissance, aucune littérature publiée précédemment ne s'est concentrée sur l'utilisation de l'IA pour détecter les cancers d'intervalle sur DBT », a expliqué le Dr Bahl.
Pour éviter de surestimer la sensibilité de l'algorithme de l'IA, l'équipe du Dr Bahl a utilisé une analyse spécifique à la lésion qui « crédite » l'algorithme d'IA uniquement lorsqu'il identifie et localise correctement le site exact du cancer.
« En revanche, une analyse au niveau de l'examen accorde un crédit sur l'IA pour tout examen positif, même si son annotation est incorrecte ou sans rapport avec le site de cancer réel, ce qui peut gonfler la sensibilité de l'algorithme », a déclaré le Dr Bahl. « Se concentrer sur la précision au niveau des lésions fournit un reflet plus précis de la performance clinique de l'algorithme de l'IA. »
Les cancers détectés par l'algorithme avaient tendance à être plus grands, et ils étaient plus susceptibles d'être positifs pour les ganglions lymphatiques, a noté le Dr Bahl.
« Ces résultats suggèrent que l'IA peut détecter préférentiellement des tumeurs plus agressives ou en croissance rapide, ou qu'il identifie les cancers manqués qui étaient déjà avancés au moment du dépistage », a-t-elle déclaré.
Parmi 1 000 patients, y compris ceux qui ont des cancers véritables basés sur la pathologie et ceux avec des résultats réels et faux positifs basés sur le suivi d'un an – l'algorithme a correctement localisé 84,4% des 334 cancers véritables. Il a également correctement classé 85,9% des 333 cas réels négatifs et 73,2% des 333 cas faux positifs comme négatifs.
« Notre étude montre qu'un algorithme d'IA peut détecter et localiser correctement près près d'un tiers des cancers du sein intervalle sur le dépistage des examens DBT, suggérant son potentiel pour réduire le taux de cancer de l'intervalle et améliorer les résultats de dépistage », a déclaré le Dr Bahl. « Ces résultats soutiennent l'intégration de l'IA dans les flux de travail de dépistage DBT pour améliorer la détection du cancer, mais son impact réel dépendra finalement de l'adoption et de la validation des radiologues dans divers environnements cliniques. »
