Les outils de dépistage par mammographie basés sur l'IA apportent des améliorations révolutionnaires dans la détection du cancer, aidant les radiologues à détecter plus de cancers à un stade précoce tout en réduisant les rappels inutiles de patients.
Étude : Mise en œuvre réelle à l’échelle nationale de l’IA pour la détection du cancer dans le dépistage par mammographie basé sur la population. Crédit d'image : Gorodenkoff/Shutterstock
Dans une étude récente publiée dans la revue Médecine naturelledes chercheurs ont examiné l'impact de l'intelligence artificielle (IA) sur les taux de détection et de rappel du cancer.
Le dépistage par mammographie contribue à réduire la mortalité liée au cancer du sein. De plus, l’amélioration de la sensibilité et de la spécificité du dépistage pourrait entraîner une diminution des taux de cancer d’intervalle, des taux de rappel et un traitement plus efficace des patientes atteintes d’un cancer du sein. Les programmes de dépistage génèrent des volumes considérables de mammographies qui, dans la plupart des programmes, nécessitent une interprétation par deux radiologues.
De plus, une conférence de consensus peut être nécessaire pour atteindre une spécificité et une sensibilité élevées. En tant que tel, le travail des radiologues implique des tâches répétitives consistant à interpréter un grand nombre d’images chaque semaine. Notamment, cette charge de travail augmentera probablement à mesure que les lignes directrices récentes recommandent le dépistage par mammographie pour des groupes d’âge supplémentaires. L’intégration de l’IA dans les programmes de dépistage du cancer pourrait atténuer certains problèmes.
Des études suggèrent que l’IA est similaire et parfois supérieure à celle des radiologues en termes de précision. Plusieurs études ont observé une augmentation de la détection du cancer pour les flux de travail intégrant l’IA malgré des résultats incohérents concernant les taux de rappel. Néanmoins, les auteurs de cette étude ont souligné que des échantillons plus petits et une faible hétérogénéité parmi les radiologues, les sites de dépistage et les vendeurs d'équipement dans ces études antérieures limitent leur généralisabilité.
L'étude et les résultats
Dans la présente étude, les chercheurs ont évalué l’impact de l’IA sur les taux de rappel et de détection du cancer. L'étude a été menée dans le cadre d'un programme de dépistage du cancer du sein en Allemagne ciblant les personnes asymptomatiques âgées de 50 à 69 ans. Les données ont été collectées sur plusieurs sites de dépistage mettant en œuvre le système d’IA entre juillet 2021 et février 2023.
Dans le cadre du programme de dépistage, quatre mammographies ont été acquises pour chaque participante, initialement lues par deux radiologues indépendants. Si l'un des radiologues jugeait le cas suspect, une conférence de consensus était organisée. Si des découvertes suspectes persistaient lors de la conférence, le participant serait rappelé pour des évaluations supplémentaires.
Les examens ont été inclus dans le groupe IA lorsque le rapport a été lu et soumis à l'aide de la visionneuse prise en charge par l'IA par au moins un radiologue. Les examens non soumis à l'aide de la visionneuse basée sur l'IA ont été inclus dans le groupe témoin. Les radiologues peuvent utiliser leur logiciel existant (non basé sur l'IA) ou la visionneuse prise en charge par l'IA.
Le système d'IA, Vara MG, utilisait deux fonctionnalités essentielles : un triage normal, qui signalait les examens très peu suspects comme étant normaux, et un filet de sécurité, qui mettait en évidence les cas très suspects et permettait de localiser les régions suspectes. Ce filet de sécurité visait à réduire les diagnostics manqués en incitant les radiologues à examiner les découvertes peu suspectes signalées par l'IA.
Au total, 461 818 femmes ayant subi un dépistage par mammographie ont été incluses et 119 radiologues ont interprété les examens. Parmi eux, 260 739 étaient inclus dans le groupe AI et 201 079 dans le groupe témoin. Environ 42 femmes sur 1 000 ont présenté des résultats suspects et ont été rappelées pour des évaluations supplémentaires. Environ un quart d’entre elles ont subi des biopsies et plus de six femmes sur 1 000 ont reçu un diagnostic de cancer du sein.
Le système d'IA a classé 59,4 % des examens comme normaux, réduisant ainsi considérablement la charge de travail des radiologues. Le filet de sécurité a été déclenché pour 1,5 % des examens dans le groupe AI, conduisant à 541 rappels et 208 diagnostics de cancer. De plus, 3,1 % des examens du groupe AI signalés comme normaux par AI ont fait l’objet d’une évaluation plus approfondie par le groupe de consensus, ce qui a abouti à 20 diagnostics de cancer supplémentaires. Le taux de détection du cancer du sein (BCDR) était respectivement de 6,7 et 5,7 pour 1 000 femmes pour les groupes IA et témoin.
Le groupe AI avait un BCDR statistiquement plus élevé et un taux de rappel légèrement inférieur à celui du groupe témoin. Les groupes IA et témoin avaient des valeurs prédictives positives (VPP) de rappel de 17,9 % et 14,9 %, respectivement. Le groupe AI avait un taux de biopsie 8,2 % plus élevé que le groupe témoin. Néanmoins, le groupe AI présentait une VPP de biopsie plus élevée (64,5 %) que le groupe témoin (59,2 %).
Implications plus larges et considérations futures
L'étude a souligné que l'intégration de l'IA dans les flux de travail de dépistage pourrait augmenter la détection des cas de carcinome canalaire in situ (CCIS). Bien que cela puisse représenter une détection plus précoce, des préoccupations concernant le surdiagnostic et le surtraitement du CCIS ont été notées, car ces cas ne progressent pas toujours vers un cancer invasif. L’impact à long terme sur les taux de cancers d’intervalle et la répartition des stades nécessite un suivi plus approfondi sur deux à trois ans.
De plus, les chercheurs ont souligné que les cas rejetés du filet de sécurité représentent un domaine crucial pour une analyse plus approfondie, car ils peuvent inclure des opportunités manquées de détecter précocement des cancers ou démontrer l'intérêt de réduire les rappels inutiles.
Dans l’ensemble, l’approche de l’IA pour le dépistage par mammographie a fourni des prédictions suspectes et normales sûres. Le BCDR dans le groupe AI était 17,6 % plus élevé que dans le groupe témoin. L’utilisation de l’IA a également entraîné un taux de rappel légèrement inférieur, bien que statistiquement insignifiant. Ces résultats contribuent à la base de données probantes selon laquelle le dépistage par mammographie assisté par IA est sûr, réalisable et peut réduire la charge de travail.
