Cancer du sein : l’intelligence artificielle championne du diagnostic

giggsy25/shutterstock.com

L’intelligence artificielle serait plus efficace que les radiologues pour diagnostiquer les cancers du sein à un stade précoce. Une découverte confirmée par des chercheurs américains et britanniques.

Des chercheurs britanniques* et américains** ont mis au point un logiciel améliorant la finesse du diagnostic du cancer du sein. Le principe est basé sur le deep learning… cette capacité d’apprentissage donnée au programme, pour lui permettre d’engranger un maximum de données et gagner en performance dans les mécanismes de reconnaissance. Un peu comme un cerveau dont on boosterait la mémoire et l’analyse à force d’apprendre des textes et des formules par cœur.

Grâce à cette innovation, plus de 29 000 mammographies ont alimenté le logiciel des scientifiques. L’objectif étant de lui donner matière à reconnaître des cancers du sein à un stade précoce, phase au cours de laquelle les traitements s’avèrent très efficaces.

Les faux positifs et faux négatifs en chute libre

Résultat, grâce à cette intelligence artificielle (IA), le taux de faux positifs a diminué de 5,7% chez les patientes Américaines et de 1,2% chez les patientes Britanniques. Le taux de faux négatifs a diminué de 9,4% chez les Américaines et de 2,7% chez les Britanniques. Au final, le système d’IA s’est avéré plus efficient dans le diagnostic du cancer du sein que la seule expertise d’un radiologue. L’efficacité du programme équivalait même à la compétence de deux spécialistes réunis.

A ce jour, le propos n’est pas de dire qu’une machine pourrait remplacer l’humain. D’ailleurs, cette IA n’est pas utilisée dans la pratique courante. Mais en complément du regard médical, ce dispositif pourrait affiner le pronostic avec une marge d’erreur extrêmement réduite.

A noter : le cancer du sein est la tumeur la plus fréquemment diagnostiquée dans le monde. Le taux de survie à 5 ans est de 87% et de 76% à 10 ans. En France, 58 459 nouveaux cas ont été confirmés en 2018. La même année, cette maladie a coûté la vie à 12 146 patientes.

*Collège impérial de Londres
**Scott Mayer McKinney, , Marcin Sieniek, Shravya Shetty (Google)