AsymMirai : Une innovation dans la prédiction du risque de cancer du sein

Dans une avancée significative pour la détection précoce du cancer du sein, des chercheurs de l’Université de Duke ont développé un modèle d’intelligence artificielle nommé AsymMirai. Cet algorithme d’apprentissage profond, basé sur la dissimilarité bilatérale des tissus mammaires, offre un outil plus simple et compréhensible pour prédire le risque de cancer du sein à 1-5 ans, tout en maintenant une performance similaire à celle des systèmes plus complexes tels que Mirai.

Contexte et objectifs

Mirai, un algorithme de premier plan pour le pronostic à court terme du risque de cancer du sein, s’est révélé plus précis que les modèles classiques de risque clinique. Cependant, sa nature de “boîte noire” soulève des problèmes d’interprétabilité et de risques potentiels de dépendance excessive. C’est pourquoi l’équipe de recherche dirigée par Jon Donnelly a cherché à développer un modèle plus interprétable. AsymMirai utilise la dissimilarité bilatérale, c’est-à-dire les différences localisées entre les tissus des seins gauche et droit, comme marqueur clé pour la prédiction du risque

Méthodologie

L’étude rétrospective a analysé plus de 210 000 mammographies provenant de 81 824 patientes, obtenues entre 2013 et 2020 à partir de l’ensemble de données EMBED (Emory BrEast imaging Dataset). AsymMirai a été conçu pour approcher les prédictions de risque de Mirai et a été évalué en comparant les coefficients de corrélation de Pearson et les surfaces sous les courbes (AUC) entre les deux systèmes.

Résultats clés

Performance comparative : AsymMirai a obtenu des scores de corrélation proches de ceux de Mirai (r = 0,68 pour la prédiction à 1 an ; r = 0,70 pour la prédiction à 4-5 ans).

Précision du modèle : L’AUC d’AsymMirai pour le risque à 1 an était de 0,79 (IC 95% : 0,73, 0,85), contre 0,84 (IC 95% : 0,79, 0,89) pour Mirai. À 5 ans, AsymMirai a obtenu un AUC de 0,66 (IC 95% : 0,63, 0,69), tandis que Mirai a atteint 0,71 (IC 95% : 0,68, 0,74).

Sous-groupe de patientes : Dans une analyse de 183 patientes où AsymMirai s’est concentré de manière répétée sur les mêmes tissus au fil du temps, un AUC de 92 % (IC 95% : 0,86, 0,97) a été obtenu pour les prédictions à 3 ans.

Implications cliniques

L’utilisation de la dissimilarité bilatérale comme marqueur interprétable permet une compréhension plus claire du raisonnement de l’algorithme, aidant ainsi les radiologues à mieux intégrer les prédictions du modèle dans les décisions cliniques. Cette approche pourrait avoir un impact significatif sur les recommandations concernant la fréquence des mammographies et optimiser les stratégies de détection précoce du cancer du sein.

Référence :

 Donnelly, J., Moffett, L., Barnett, A. J., Trivedi, H., Schwartz, F., Lo, J., & Rudin, C. (2024). AsymMirai : Modèle d’apprentissage profond basé sur la mammographie pour la prédiction interprétable du risque de cancer du sein à 1-5 ans. Radiology, 310(3), e232780. DOI : 10.1148/radiol.232780

Découvrez les éléments clés qui font de Genève un centre d’excellence pour la formation continue, alliant innovation, expertise et opportunités professionnelles.