Une récente Santé régionale Lancet L’étude évalue les performances d’un modèle de risque basé sur l’intelligence artificielle (IA) pour le dépistage du cancer du sein en Europe.
Étude: Validation européenne d’un modèle de risque à court terme basé sur l’IA et dérivé d’images pour le dépistage individualisé du cancer du sein – une étude cas-témoins imbriquée. Crédit d’image : Gagliardiphotography/Shutterstock.com
Sommaire
Arrière-plan
Le dépistage régulier par mammographie a réduit les décès dus au cancer du sein chez les femmes. Même après un dépistage biennal du cancer du sein, environ 25 % des cancers du sein sont diagnostiqués. Dans ces cas, certaines femmes pourraient avoir obtenu un résultat négatif lors d’un dépistage mammographique, mais pourraient avoir reçu un diagnostic de cancer du sein avant de se présenter à leur prochain rendez-vous de dépistage.
Entre 25 et 40 % des femmes reçoivent un diagnostic de cancer du sein au stade deux ou plus. Il est donc important de déterminer si la tumeur a été détectée lors du dépistage mammographique régulier, car il s’agit d’un marqueur pronostique robuste de la mortalité liée au cancer du sein.
Des études antérieures ont proposé l’ajout d’autres mesures d’évaluation des risques pour améliorer le processus de dépistage et, à terme, prévenir le risque de cancer d’intervalle avant le prochain dépistage. Cette stratégie pourrait également réduire l’incidence du cancer du sein à un stade avancé lors du prochain dépistage. Aux États-Unis, les femmes qui ont des seins denses ou qui présentent un risque élevé en raison de facteurs de risque familiaux subissent des examens supplémentaires.
Les programmes actuels de dépistage du cancer du sein menés en Europe ne comportent aucune directive indiquant la réalisation d’examens supplémentaires pour les femmes présentant un risque plus élevé de cancer du sein. Cependant, plusieurs outils d’évaluation des risques cliniques ont été développés sur la base des antécédents familiaux et des facteurs liés au mode de vie pour améliorer les résultats du dépistage.
Bien qu’un nouveau modèle de risque basé sur l’image ait montré un potentiel considérable pour identifier les femmes présentant un risque plus élevé de cancer du sein, ce modèle nécessite une validation externe supplémentaire pour évaluer sa faisabilité clinique.
À propos de l’étude
L’étude actuelle a évalué un modèle de risque basé sur l’IA et dérivé d’images précédemment développé pour le cancer du sein, conçu pour identifier le risque de cancer du sein à court terme. Plus précisément, ce modèle a été utilisé pour identifier les femmes ayant développé un cancer dans l’intervalle entre deux mammographies deux ans après un dépistage négatif.
La classification globale des risques et les performances discriminatoires du modèle ProFound AI Risk ont été évaluées. Ce modèle basé sur l’IA a été précédemment développé à l’aide d’une cohorte suédoise de dépistage.
La présente étude a utilisé quatre populations de dépistage comprenant des femmes âgées de 45 à 69 ans ayant subi un dépistage par mammographie. À partir de cette population de dépistage, deux cohortes ont été conçues en Allemagne, une en Italie et une en Espagne.
Certains des principaux critères d’éligibilité comprenaient l’incidence du cancer du sein avec une mammographie numérique au départ. Ces femmes ont été diagnostiquées avant ou lors du prochain programme de dépistage.
L’étude a exclu les femmes ayant des antécédents familiaux de cancer du sein. Une étude cas-témoins imbriquée pour chaque population a été réalisée. Des groupes témoins pour chaque population de dépistage ont été conçus au hasard à partir de la cohorte de dépistage sous-jacente.
Résultats de l’étude
L’étude de validation a inclus un total de 739 patientes atteintes d’un cancer du sein et 7 812 témoins. L’évolution du cancer a été évaluée lors du deuxième dépistage, au cours duquel les femmes ont été assignées au hasard à subir une mammographie numérique ou ont été soumises à une tomosynthèse mammaire numérique (TCD). Le modèle de risque basé sur l’IA a utilisé ces mammographies pour prédire les femmes présentant un risque de cancer du sein dans deux ans.
Par rapport à l’évaluation originale du modèle de risque basé sur l’IA pour le dépistage du cancer du sein qui utilisait une cohorte suédoise, une petite variabilité des performances discriminatoires entre les populations de différents pays européens a été observée. Cependant, le modèle présentait une discrimination similaire à celle du rapport précédent. Les femmes ayant des seins denses et non denses présentaient des performances de stratification du risque similaires.
Le cancer du sein à un stade avancé était plus susceptible d’être diagnostiqué chez les femmes à haut risque que chez celles présentant un risque modéré de développer un cancer du sein. L’étude actuelle a indiqué qu’un modèle de risque basé sur l’image de l’IA pourrait être affecté par les différences ethniques et les fréquences de dépistage.
Il a été constaté que les femmes aux seins non denses couraient un plus grand risque de développer des cancers d’intervalle plus agressifs. En revanche, les femmes ayant des seins denses pourraient voir leur tumeur masquée par des tissus denses, ce qui augmente le risque de développer un cancer d’intervalle et un cancer du sein à un stade avancé.
Les radiologues sont confrontés à des défis importants liés au masquage des tumeurs par des tissus denses. Par conséquent, les femmes à haut risque ayant des seins denses pourraient bénéficier d’examens plus sensibles suite à un dépistage négatif. Néanmoins, un intervalle de dépistage plus court est préférable pour les femmes à haut risque ayant des seins non denses en raison du risque accru de tumeur à croissance rapide.
Conclusions
L’étude actuelle a fourni des analyses sur l’importance d’effectuer des tests supplémentaires au-delà de la densité mammographique pour identifier les femmes qui présentent un risque plus élevé de cancer du sein, ce qui améliorerait positivement les résultats du dépistage. Une combinaison d’approches de densité et d’évaluation des risques pourrait être plus efficace dans les programmes de dépistage du cancer du sein basés sur la population.
