(c) ASTIER - CHRU LILLE / BSIP

Tomosynthèse mammaire numérique et détection fine des cancers du sein

Alors qu’une femme sur huit développera un cancer du sein dans sa vie, la précocité et la précision du diagnostic sont des enjeux majeurs pour améliorer leur détection. Pour ce faire, l’intelligence artificielle (IA) apporte une solution en équipant des centres d’imagerie médicale de ProFound AI, une technologie qui améliore nettement la lecture de la tomosynthèse mammaire numérique.

par Carole Ivaldi

Carole Ivaldi

Avantages liés à la tomosynthèse

D’après une étude norvégienne réalisée en 2013 par une équipe spécialisée en dépistage, la tomosynthèse mammaire numérique, lorsque croisée à la mammographie conventionnelle 2D, permet d’améliorer le taux de détection des cancers de 27 % et une amélioration significative de 41 % de la détection de cancers déjà invasifs.

Une autre étude, américaine, publiée dans le JAMA en juin 2014, a confirmé ces résultats en faveur de la tomosynthèse, qui augmenterait de 33 % la détection de cancers du sein invasifs et diminuerait de 15 % les « faux positifs » % les « faux positifs ».

La technique 3D de la tomosynthèse, permet de produire un grand nombre d’images sous différents angles du sein, réduisant le problème de superposition des tissus existant avec les clichés de mammographie 2D. Environ 400 clichés sont ainsi fournis par personne. La richesse de ces résultats est cependant un frein quant au temps nécessaire à leur lecture et leur interprétation. Afin de pallier ce problème, un algorithme a été développé par la société iCAD. Il se charge d’analyser en deux minutes les 400 clichés, avec une performance de détection de 95 % (le 100 % n’existe pas). L’IA est, dans ce cas, plus fiable que l’homme.

ProFound AI, un algorithme au service des radiologues

L’algorithme ProFound AI, utilisé depuis fin 2018, est élaboré à partir d’une large base de données de 12 000 cas de tomosynthèse dont 4 000 sont des cas de cancers et il est basé sur les techniques d’apprentissage approfondi (deep learning). Pour le Dr Patrick Toubiana, radiologue, président du CSE Imagerie Médicale Numérique (1), « l’arrivée de la plateforme ProFound AI a complètement changé notre façon de lire des cas de tomosynthèse. C’est un outil très puissant et utile qui améliore la tranquillité d’un diagnostic, en particulier dans des cas de petites lésions, ou de seins denses. On ne peut plus s’en passer ».

ProFound AI est formé pour détecter les lésions malignes (masses ou microcalcifications) avec une précision extrêmement fine, notant chaque lésion suspecte à l’aide d’un pourcentage allant de 0 à 100. Ce score représente l’évaluation du degré de malignité que l’algorithme attribue à la lésion repérée. Plus le score est élevé, plus la probabilité que la lésion soit maligne est élevée. Ce score est une donnée qui va aider les radiologues à prendre les bonnes décisions comme de demander des examens complémentaires afin de confirmer ce que ProFound AI a repéré. « Comme on détecte plus de lésion avec la tomosynthèse et ProFound AI, on fait plus d’échographies. Nous sommes passés de l’arrière boutique d’un artisan à la NASA. Cce que nous faisons est beaucoup mieux que de la double-lecture » s’exclame le Dr Bénillouche, également radiologue au CSE Imagerie Médicale Numérique.

Le score-Lésion est un score qui représente la certitude de l’algorithme qu’une lésion est maligne, tandis que le score-cas est un score qui représente la certitude que le cas dans sa totalité est malin. Tous les ca, avec ou sans lésions détectées, ont un score de cas attribué.

Résultats chiffrés des Performances de ProFound AI

Les résultats d’une étude clinique (2) menée sur 260 femmes dont 65 atteintes de cancer, et faisant intervenir 12 médecins radiologues utilisant la technologie ProFound AI pour lire les clichés ainsi que 12 autres ne l’utilisant pas (et vice et versa), ont mis en évidence une performance clinique améliorée. Les résultats des radiologues utilisant cette technologie sont meilleurs de 5,7 % en moyenne, la sensibilité est accrue en moyenne de 8 % tandis que les rappels de patientes (pour de nouveaux examens) sont réduits de 7,2 %. Enfin, la réduction du temps de lecture monte à 52,7 %.

« Pour l’instant, la sécurité sociale ne prend pas en charge ces nouvelles techniques d’imagerie et de lecture, mais il n’y a aucun surcoût pour la patiente. C’est nous qui supportons la différence. Notre avance nous amène beaucoup de patientes. Ces nouvelles technologies changent le pronostic des patientes. Nous sauvons des vies grâce cela.» conclue le Dr Toubiana.

 Notes

  1. CSE Centre Imagerie Médicale Numérique, 13 rue Beaurepaire, 75010 Paris
  2. étude clinque « Artificial Intelligence dor Breast Tomosynthesis, Icad

https://www.icadmed.com/assets/dmm253-reader-studies-results-rev-a.pdf