Topline:
Un outil d’intelligence artificielle (IA) dans mammographie a montré une sensibilité et une spécificité élevées, surperformant les lecteurs humains dans les performances globales, a révélé une étude. Cependant, les performances de l’outil d’IA étaient légèrement inférieures au niveau de la lésion qu’au niveau du sein.
MÉTHODOLOGIE:
- Les chercheurs ont analysé rétrospectivement les mammographies du programme de dépistage du sein du NHS du Royaume-Uni en utilisant un outil d’IA commercial (Lunit Insight MMG) et des lecteurs humains pour évaluer 882 seins non malins et 318 seins malins avec 328 lésions.
- Les lecteurs humains (n = 1258), y compris les radiologues, les radiographes et les cliniciens du sein, ont examiné 1200 mammographies. Les mêmes cas ont été examinés indépendamment par l’outil d’IA.
- Les décisions humaines et en IA pour effacer ou rappeler les seins ou les lésions ont été comparés à des résultats réels sur la base de la pathologie ou d’un suivi de 3 ans.
- La sensibilité, la spécificité et la zone sous la courbe (AUC) ont été calculées à la fois aux niveaux du sein et de la lésion (régions marquées d’intérêt).
EMPORTER:
- L’outil AI a surperformé les lecteurs humains sur la base de l’ASC au niveau du sein (0,942 vs 0,878) et du niveau de lésion (0,929 vs 0,851; P <0,01 pour les deux).
- Au seuil de rappel recommandé par les développeurs, l’outil AI a obtenu une spécificité significativement plus élevée que les lecteurs humains au niveau du sein (87,4% contre 79,2%; P <.01).
- Lorsqu’il est calibré pour correspondre à la spécificité humaine, l’outil d’IA avait une sensibilité plus élevée que les lecteurs humains au niveau du sein (92,1% contre 87,5%; P = 0,051) et niveau de lésion (90,9% contre 83,2%; P <.01).
- L’outil d’IA n’a pas réussi à localiser 4% du total des lésions de cancer, avec un taux d’erreur humain médian de 62,6%.
EN PRATIQUE:
“Nos résultats soutiennent la notion de mise en œuvre de l’IA dans un flux de travail de dépistage potentiel, où la localisation des tumeurs malignes est bénéfique pour les patients et le processus de dépistage”, ont écrit les auteurs. “Pour améliorer la collaboration humaine-AI, l’IA doit être évaluée au niveau de la lésion; une mauvaise précision ici peut conduire à des biais d’automatisation et à des procédures de patients inutiles”, ont-ils ajouté.
SOURCE:
Cette étude a été dirigée par Adnan Gani Taib et George John William Partridge, Université de Nottingham, Nottingham, Angleterre. C’était Publié en ligne le 25 juin 2025, dans Radiologie européenne.
LIMITES:
Cette étude n’a pas pu évaluer l’effet en temps réel de l’IA sur la prise de décision humaine en raison de sa conception rétrospective. L’utilisation d’ensembles de test enrichis en cancer peut avoir conduit à une surestimation des performances humaines. De plus, les mammographies antérieures n’étaient pas disponibles à titre de comparaison, qui sont souvent utilisées dans la pratique clinique de routine pour faciliter la détection.
Divulgations:
Cette étude a été financée par Lunit. Les auteurs ont déclaré n’avoir aucun conflit d’intérêts.
Cet article a été créé à l’aide de plusieurs outils éditoriaux, y compris l’IA, dans le cadre du processus. Les éditeurs humains ont examiné ce contenu avant la publication.
