L'IA de la mammographie pourrait jouer un rôle dans la prédiction du risque de cancer du sein
Une étude de Kaiser Permanente révèle que les algorithmes d'intelligence artificielle fonctionnent mieux que l'outil de prédiction du risque de cancer du sein couramment utilisé
Par Sue Rochman
Selon une nouvelle étude de Kaiser Permanente, les algorithmes d'intelligence artificielle formés pour lire les mammographies étaient un meilleur prédicteur du risque futur de cancer du sein d'une femme qu'un outil d'évaluation du risque de cancer du sein couramment utilisé.
La recherche, publiée le 6 juin dans Radiology, suggère que les biomarqueurs d'imagerie liés au risque observés sur les mammographies - que les ordinateurs peuvent identifier et utiliser pour générer un score de risque - pourraient aider les médecins à fournir aux femmes des recommandations de dépistage du cancer du sein plus personnalisées.
"Nous devons disposer de moyens plus précis et efficaces pour évaluer le risque futur de cancer du sein d'une femme", a déclaré l'auteur principal de l'étude, Vignesh Arasu, MD, PhD, chercheur à la Kaiser Permanente Division of Research et radiologue spécialisé dans l'imagerie mammaire avec The Permanente Medical Group. "Notre étude montre que dans les mammographies qui semblent négatives à un radiologue - ce qui signifie qu'il n'y a aucun signe de tumeur - il y a des informations que les ordinateurs peuvent voir qui peuvent aider à évaluer le risque d'une femme d'être diagnostiquée avec un cancer du sein dans les 5 prochaines années."
L'étude rétrospective a inclus 324 000 femmes qui ont passé une mammographie qui n'a trouvé aucun signe de cancer du sein en 2016 à Kaiser Permanente Northern California. Aucune des femmes n'avait déjà eu un cancer du sein ou n'avait été diagnostiquée avec une mutation génétique qui augmente le risque de cancer du sein. Environ 24 % des femmes avaient moins de 50 ans lorsqu'elles ont passé leur mammographie et environ 87 % n'avaient aucun parent au premier degré ayant des antécédents de cancer du sein.
Au cours des 5 années suivantes, 4 584 femmes ont reçu un diagnostic de cancer du sein. Parmi ceux-ci, 83 % ont reçu un diagnostic de cancer du sein invasif et 17 % ont reçu un diagnostic de carcinome canalaire non invasif in situ (CCIS). L'étude a comparé ces femmes avec 13 435 des 324 000 femmes du groupe initial qui n'ont pas développé de cancer du sein.
Les chercheurs ont demandé à 5 algorithmes d'intelligence artificielle (IA) de rapporter un score de prédiction du risque de cancer du sein sur 5 ans à partir des images de mammographie réalisées pour ces femmes en 2016.
Les chercheurs ont également utilisé le modèle de risque clinique du Breast Cancer Surveillance Consortium (BCSC) pour évaluer le risque de chaque femme de développer un cancer du sein au cours des 5 prochaines années. Le modèle prédit le risque en fonction de l'âge, de la race ou de l'origine ethnique, des antécédents familiaux de cancer du sein au premier degré, du nombre de biopsies mammaires bénignes antérieures et de la densité mammaire mammaire. Le score de chaque femme a été calculé à partir des données cliniques de son dossier de santé électronique au moment de sa mammographie en 2016.
L'étude a montré que les femmes ayant les scores de risque BCSC les plus élevés - le 90e centile supérieur - représentaient 21,1% de tous les cancers au cours des 5 prochaines années. En comparaison, les femmes ayant les scores de risque d'IA les plus élevés représentaient 24% à 28% de tous les cancers.
"À l'heure actuelle, la plupart des algorithmes d'IA formés pour lire les mammographies sont utilisés pour signaler un cancer visible afin d'aider les radiologues", a déclaré Arasu. "Mais ces algorithmes peuvent également voir des biomarqueurs d'imagerie sur les mammographies - en plus de la densité mammaire - qui nous indiquent qu'il y a des changements dans le tissu mammaire qui peuvent être utilisés pour prédire le risque."
Les chercheurs ont également utilisé une méthode statistique appelée aire sous la courbe (AUC) pour comparer la capacité de chaque modèle de risque à prédire quelles femmes recevraient un diagnostic de cancer du sein au cours des 5 prochaines années. Un résultat AUC peut aller de 0,0 (pas de prédictions correctes) à 1,0 (toutes les prédictions étaient correctes). Le modèle BCSC avait une ASC de 0,61. En comparaison, les modèles d'IA avaient un résultat de prédiction du risque qui variait de 0,63 à 0,67.
Lorsque les prédictions de risque AI et BSCS ont été combinées, l'AUC variait de 0,66 à 0,68, ce qui était plus élevé que tous les algorithmes AI individuels. Le modèle combiné a fait encore mieux pour prédire les femmes qui ont eu un diagnostic de cancer du sein d'intervalle dans l'année suivant leur mammographie, avec une ASC aussi élevée que 0,73. Un cancer du sein d'intervalle est une tumeur qui est diagnostiquée - généralement parce qu'une femme trouve une grosseur dans son sein - entre une mammographie de dépistage qui semble normale et sa prochaine mammographie de dépistage prévue. Les cancers d'intervalle sont généralement des cancers à croissance rapide qui sont plus susceptibles de se propager à d'autres parties du corps.
"La meilleure capacité prédictive des cancers d'intervalle nous indique que l'IA identifie les cancers du sein agressifs précédemment manqués par le dépistage de routine", a déclaré Arasu.
Les chercheurs affirment que leurs découvertes suggèrent que l'IA utilisée seule ou combinée avec les modèles actuels de prévision des risques offre une nouvelle voie pour la prévision des risques futurs.
"Actuellement, les radiologues cliniques utilisent principalement l'IA avec la mammographie pour identifier une tumeur du sein", a déclaré Arasu. "Mais les résultats de notre étude soutiennent l'utilisation de l'IA pour produire un score de risque prédictif qui peut nous indiquer le risque qu'une femme reçoive un diagnostic de cancer du sein au cours des 5 prochaines années. L'utilisation de ces informations avec d'autres facteurs de risque connus pourrait nous aider à nous éloigner des recommandations de dépistage universelles et à développer des recommandations personnalisées de dépistage du cancer du sein pour les femmes en fonction de leurs facteurs de risque individuels."
L'étude a été financée par le programme de recherche scientifique et appliquée de The Permanente Medical Group et l'Institut national du cancer.
Les co-auteurs incluent Laurel A. Habel, PhD, Ninah S. Achacoso, MS, Lawrence H. Kushi, ScD, Vincent X. Liu, MD, Caitlin M. Lydon, MPH et Catherine Lee, PhD, de la Division de la recherche ; Diana SM Buist, PhD, du Kaiser Permanente Washington Health Research Institute ; Jason B. Cord, MD, et Donald A. Lewis, MS, du Southern California Permanente Medical Group ; Laura J. Esserman, MD, M. Maria Glymour, ScD, Nola M. Hylton, PhD, et John Kornak, PhD, de l'Université de Californie à San Francisco ; Diana L. Miglioretti, PhD, de l'Université de Californie, Davis ; Daniel A. Navarro, MD, du groupe médical permanent ; Albert Pu, MS, des hôpitaux de la Fondation Kaiser ; Li Shen, PhD, et Weiva Sieh, MD, de l'école de médecine Icahn du mont Sinaï ; et Hyo-Chun Yoon, MD, PhD, du Hawaii Permanente Medical Group.
# # #
À propos de la division de recherche Kaiser Permanente
La Division de la recherche de Kaiser Permanente mène, publie et diffuse des recherches épidémiologiques et sur les services de santé pour améliorer la santé et les soins médicaux des membres de Kaiser Permanente et de la société en général. Il cherche à comprendre les déterminants de la maladie et du bien-être et à améliorer la qualité et la rentabilité des soins de santé. Actuellement, plus de 600 employés du DOR travaillent sur plus de 450 projets de recherche épidémiologique et sur les services de santé. Pour plus d'informations, visitez divisionofresearch.kaiserpermanente.org ou suivez-nous @KPDOR.
Votre adresse email ne sera pas publiée. Les champs requis sont indiqués *
Nom *
E-mail *
Site Internet
Commentaire *
D
À propos de la division de recherche Kaiser Permanente