Dépistage du cancer du sein

Un modèle d’IA hybride améliore la prédiction du risque de cancer du sein à deux ans 

Une étude espagnole a évalué les performances et la précision d'un modèle d'IA combinant des données cliniques et mammographiques pour améliorer la prédiction du risque de cancer du sein à 2 ans. Les résultats plaident pour l'utilisation de ce modèle hybride.

icon réservé aux abonnésArticle réservé aux abonnés
Le 22/09/25 à 7:00 Lecture 2 min.

L’étude a été menée entre 2013 et 2020 sur 2 193 femmes âgées en moyenne de 59 ans, dans le cadre d’un programme de dépistage du cancer du sein au sein de l’hôpital del Mar. © Solenn Duplessy

Une équipe de chercheurs de l’hôpital del Mar à Barcelone, en Espagne, démontre, dans une étude publiée dans European Radiology, [1] qu’un modèle d’intelligence artificielle (IA) combinant données cliniques et caractéristiques mammographiques améliore la prédiction du risque de cancer du sein dans les deux années suivant un dépistage.

Trois modèles prédictifs comparés

L’étude a été menée entre 2013 et 2020 sur 2 193 femmes âgées en moyenne de 59 ans, dans le cadre d’un programme de dépistage du cancer du sein par mammographie au sein de l’hôpital del Mar. Les chercheurs ont inclus les patientes dont les mammographies de dépistage avaient été jugées négatives au moment de leur réalisation, et qui avaient reçu un diagnostic de cancer du sein dans les deux années suivantes. Ils ont exploité ces données pour comparer trois modèles prédictifs basés sur l’apprentissage automatique : le premier s'appuyait sur les données cliniques et les caractéristiques extraites des images (ERTpd + im), le de

Il vous reste 70% de l’article à lire

Tech Imago réserve cet article à ses abonnés

S'abonner à l'édition
  • Tous les contenus « abonnés » en illimité
  • Le journal numérique en avant-première
  • Newsletters exclusives, club abonnés

Abonnez-vous !

Tech Imago en illimité sur desktop, tablette, smartphone, une offre 100% numérique

Offre découverte

1€

pendant 1 mois
puis 13 €/mois

S’abonner à Tech Imago

Auteurs

Solenn Duplessy

Voir la fiche de l’auteur

Bibliographie

  1. Tendero R, Larroza A, Pérez-Benito FJ, et al (2025) Breast cancer risk assessment for screening: a hybrid artificial intelligence approach. Eur Radiol. https://doi.org/10.1007/s00330-025-11980-9

Discussion

Aucun commentaire

Laisser un commentaire

Le fil Tech Imago

10 Juil

15:33

La consommation énergétique en IRM est principalement liée à l’utilisation des gradients, conclut une étude présentée dans Academic Radiology. Les séquences ep2D DWI et DTI étant les plus énergivores. Le choix de séquences moins énergivores, dans un contexte clinique approprié, peut réduire la consommation d’énergie par séquence de 20 à 49 %.

7:31

Une méta-analyse de 23 études démontre que la TEP-TDM au [18F]FDG et l’IRM pelvienne présentent des sensibilités comparables pour la détection des métastases ganglionnaires latérales du cancer du rectum. En revanche, la TEP-TDM au [18F]FDG peut aider à exclure les faux positifs, évitant ainsi les dissections latérales des ganglions lymphatiques et la morbidité associée.
09 Juil

17:00

Des modèles d’apprentissage profond conçus pour identifier les résultats d’imagerie directe et indirecte sur le scanner ont montré des performances diagnostiques comparables ou meilleures que celles des médecins expérimentés pour la détection du cancer du pancréas, selon une étude de Radiology.

11:00

Dans une étude rétrospective suédoise, des chercheurs ont testé trois systèmes de détection assistée par ordinateur (AI-CAO) basés sur l’IA sur des données de mammographie provenant d’une grande population de dépistage. Ceux-ci ont démontré leur potentiel à détecter les signes précoces du cancer du sein jusqu’à 6 ans avant le diagnostic, selon une étude publiée dans Radiology. (Communiqué)

7:45

Le scanner corps entier à ultra-faible dose, associé à un algorithme de reconstruction par intelligence artificielle (SR-DLR), permet de réduire d'environ 70 % l'exposition aux rayonnements tout en conservant une excellente qualité d'image et des performances diagnostiques élevées pour la détection des maladies viscérales et métastatiques des tissus mous chez les patients oncologiques sous surveillance du cancer, indique une étude parue dans European Journal of Radiology.
Tech Imago

GRATUIT
VOIR