IA en mammographie : gestion des différentes densités et anatomies mammaires

L’Intelligence Artificielle en mammographie : gestion des différentes densités et anatomies mammaires

Les systèmes d'IA en mammographie peuvent-ils s'adapter aux différentes densités des seins et aux variations anatomiques pour une évaluation précise du risque de cancer ?

Les systèmes d'intelligence artificielle utilisés en mammographie ont montré des capacités prometteuses d'adaptation aux différentes densités des seins et aux variations anatomiques pour l'évaluation des risques de cancer :

Les modèles d'IA se sont révélés très performants dans la détection des cancers du sein pour différentes densités mammaires. Par exemple, une étude a montré qu'un système d'IA a atteint une aire sous la courbe (AUC) de 0,93 pour la détection combinée des cancers du sein détectés par dépistage et des cancers du sein d'intervalle [1]. Cela suggère que l'IA peut s'adapter à différentes compositions de tissus mammaires.

Il est intéressant de noter que les systèmes d'IA peuvent aller au-delà de la simple évaluation de la densité mammaire pour évaluer des motifs texturaux plus nuancés associés au risque de cancer. Un modèle de texture mammographique entraîné à évaluer les textures liées au risque de cancer à long terme s'est révélé plus performant lorsqu'il a été associé à un système d'IA diagnostique pour la détection des lésions [2]. Ce modèle combiné a atteint une AUC plus élevée (0,73) que l'un ou l'autre modèle seul pour prédire à la fois les cancers d'intervalle et à long terme.

Les algorithmes d'IA peuvent également intégrer plusieurs modalités d'imagerie pour tenir compte des variations anatomiques. Si la mammographie reste le principal outil de dépistage, des modalités supplémentaires telles que l'échographie mammaire et l'IRM offrent des mesures de risque indépendantes qui complètent les données dérivées de la mammographie. Par exemple, l'échographie permet de visualiser séparément les composants des tissus stromaux et glandulaires, ce qui n'est pas possible avec la mammographie seule [3].

En résumé, les systèmes d'IA ont démontré leur capacité à s'adapter aux variations de densité mammaire en exploitant des techniques avancées d'analyse d'images et en combinant des données provenant de plusieurs modalités d'imagerie. Cela permet une évaluation plus complète des risques qui tient compte des variations anatomiques complexes du tissu mammaire. Cependant, une validation clinique supplémentaire est nécessaire pour établir pleinement l'adaptabilité et la généralisation de ces systèmes d'IA dans diverses populations de patients.

Références

1. Larsen M, Mikalsen KØ, Martiniussen MA, Auensen S, Silberhorn M, Solli HS, et al. Performance of an Artificial Intelligence System for Breast Cancer Detection on Screening Mammograms from BreastScreen Norway. Radiology Artificial intelligence. Radiological Society of North America Inc.; 2024;6.
2. Lauritzen AD, Lillholm M, Nielsen M, Lynge E, Von Euler-Chelpin MC, Karssemeijer N, et al. Assessing Breast Cancer Risk by Combining AI for Lesion Detection and Mammographic Texture. Radiology. Radiological Society of North America Inc.; 2023;308.
3. Acciavatti RJ, Lee SH, Kontos D, Conant EF, Moy L, Reig B, et al. Beyond Breast Density: Risk Measures for Breast Cancer in Multiple Imaging Modalities. Radiology. Radiological Society of North America Inc.; 2023;306.