Par rapport aux facteurs de danger cliniques couramment utilisés, un type sophistiqué d’intelligence artificielle (IA) appelé étude approfondie fait un meilleur travail de différenciation entre les mammographies des filles qui créeront plus tard un cancer du sein et celles qui ne le feront pas, selon une toute nouvelle étude dans le journal intime Radiologie . Les chercheurs ont déclaré que les résultats particuliers soulignent le potentiel de l’IA en tant que deuxième lecteur pour les radiologues, qui peut réduire l’imagerie inutile et les coûts associés.
Une mammographie annuelle est suggérée pour les femmes à partir de 40 ans pour afficher un écran pour le cancer du sein. Des études ont montré que la mammographie de vérification réduit la mortalité par cancer du sein en diminuant l’incidence associée au cancer avancé.
Les mammographies aident non seulement à détecter le cancer, mais fournissent également une mesure du risque de cancer du sein à travers les dimensions de la densité mammaire. Bien que des poitrines plus denses à la mammographie soient généralement associées à un risque plus élevé de cancer, il existe d’autres facteurs, bien qu’inconnus, cachés dans la mammographie qui contribueront probablement au danger.
“Les méthodes conventionnelles d’évaluation du risque de cancer du sein à l’aide de facteurs de danger cliniques n’ont pas déjà été aussi efficaces”, a déclaré l’auteur de l’étude, John The. Shepherd, Ph. M., professeur et spécialiste des sciences de la population dans le plan Pacifique (épidémiologie) au College of Hawaii Malignancy Center à Honolulu. «Nous avons pensé qu’il y avait plus dans l’image que la densité mammaire qui serait utile pour évaluer le risque. ”
Pour la nouvelle recherche, le Dr. Shepherd et ses collègues ont utilisé l’ensemble de données de plus de 25 000 mammographies de dépistage électronique à travers 6 369 femmes qui ont participé à la mammographie de dépistage. Plus de 1 600 des femmes ont développé un cancer du sein détecté par dépistage et 351 ont développé un cancer du sein intrusif à intervalles.
Les chercheurs ont notamment formé la conception d’apprentissage en profondeur particulière pour trouver des détails, voire des signaux, dans la mammographie qui pourraient être liés à un risque accru de cancer. Chaque fois qu’ils ont testé le modèle sérieux basé sur l’apprentissage, celui-ci a sous-performé dans l’évaluation des facteurs de risque relatifs au risque de cancer d’intervalle, mais il a surpassé les facteurs de risque scientifiques qui incluent la densité mammaire dans la détermination du risque de malignité détecté par le dépistage.
“Les résultats ont montré que le signal supplémentaire que nous obtenons avec l’IA fournit une meilleure estimation du danger pour le dépistage du cancer détecté”, a déclaré le docteur Shepherd. « Cela nous a aidés à atteindre notre objectif associé à la classification des femmes dans les catégories à faible risque ou même à risque élevé de cancer du sein détecté par dépistage. ”
Les résultats ont des implications importantes pour les pratiques cliniques par lesquelles la densité mammaire seule guide de nombreuses décisions d’administration. Au lieu de se faire conseiller de revenir l’année à venir pour un autre dépistage, les femmes avec une mammographie négative pourraient être triées simplement par risque dans une voie associée à trois voies : un risque plus faible de cancer du sein, un risque élevé de détection de dépistage ou une période de temps invasive élevée. cancer au cours des trois prochaines années, la durée moyenne de suivi de la recherche.
“Cela nous permettra d’utiliser le risque individuel d’une maman pour savoir à quelle fréquence la femme doit être surveillée”, a déclaré le Dr. a déclaré le berger. « Les femmes à faible risque peuvent ne pas avoir besoin d’être surveillées avec une mammographie aussi souvent que celles qui présentent un risque élevé de cancer du sein. ”
Le modèle d’apprentissage sérieux est également prometteur pour aider à prendre des décisions concernant l’imagerie supplémentaire avec l’IRM et d’autres modalités. Le docteur Shepherd a déclaré que les femmes du groupe d’apprentissage sérieux à haut risque qui semblent également avoir des seins denses et sont les plus susceptibles de développer des tumeurs malignes d’intervalle peuvent bénéficier d’une technique de surveillance qui inclut une résolution d’image supplémentaire qui conserve la conscience dans les poitrines denses telles que IRM, échographie et résolution d’images moléculaires. Les cancers d’intervalle ont normalement une biologie de croissance plus agressive et sont généralement découverts à un stade innovant.
En plus d’autres recherches récentes, la dernière étude soutient une tâche pour l’IA en conjonction avec les aspects de risque clinique dans l’évaluation du danger du cancer du sein.
“En classant les mammographies selon la probabilité de voir un cancer sur l’image, l’IA va être un excellent appareil de deuxième lecture pour aider à catégoriser les mammographies”, a déclaré le Dr. dit le berger.
Les chercheurs prévoient de reproduire l’étude chez les femmes insulaires des cycles hawaïens et du Pacifique, deux groupes sous-représentés dans l’étude sur le cancer du sein. Ils veulent également prolonger le travail au-delà du risque de malignité pour examiner le risque de différents grades associés au cancer du sein, du minimum au plus agressif.
Référence : “Deep Studying Predicts Interval plus Screening-detected Cancer through Screening Mammograms: The Case-Case-Control Study within 6369 Women” sept septembre 2021, Radiologie .
Collaborer avec le Dr. Shepherd avait été Xun Zhu, niveau Ph. D., Thomas E. Wolfgruber, Ph. M., Lambert Leong, Mirielle. S., Matthew Jensen, BS, Capitaine christopher Scott, MH, Stacey Winham, Ph level. D., Peter Sadowski, Ph. D., Céline Vachon, Ph. Deb., et Karla Kerlikowske, MD
