L’intelligence artificielle peut-elle améliorer le dépistage du cancer du sein sans surcharger les radiologues ?

Le dépistage du cancer du sein repose sur l’examen de mammographies par deux professionnels de santé. Cette méthode, bien qu’efficace, est confrontée à une pénurie croissante de radiologues, notamment au Royaume-Uni où près de 40 % des postes pourraient manquer d’ici 2028. Une étude récente a exploré l’utilisation de l’intelligence artificielle comme second lecteur pour analyser ces images, afin d’alléger la charge de travail tout en maintenant la qualité des diagnostics.

L’étude a porté sur 50 000 femmes issues de deux centres de dépistage britanniques. Les résultats montrent que remplacer le second lecteur humain par un outil d’intelligence artificielle permet de conserver une précision similaire en termes de détection des cancers et de réduction des faux positifs. Après une étape d’arbitrage, où des experts réexaminent les cas litigieux, la sensibilité et la spécificité de l’intelligence artificielle se sont révélées aussi bonnes que celles de deux lecteurs humains. Cela signifie que l’outil repère autant de cancers réels et évite autant de diagnostics erronés.

L’un des principaux avantages de cette approche est la réduction significative du temps de travail. Le nombre de mammographies à analyser par des humains a chuté de 50 %, car l’intelligence artificielle prend en charge une partie des examens. Cependant, l’arbitrage devient plus fréquent avec l’intelligence artificielle, augmentant de 22 % à 142 % selon les centres. Cette hausse s’explique par le fait que l’outil peut parfois signaler des anomalies qui ne sont pas confirmées par les experts, ou inversement, manquer des cas subtils que les humains détectent.

L’intelligence artificielle a montré une capacité particulière à identifier des cancers qui apparaissent entre deux dépistages ou lors du dépistage suivant, appelés cancers d’intervalle ou de prochain tour. Avant arbitrage, elle les repérait mieux que les humains. Mais après réévaluation par les experts, cette différence s’est estompée, car certains signaux de l’outil ont été écartés. Cela soulève une question : comment mieux intégrer les suggestions de l’intelligence artificielle pour qu’elles soient plus fiables et comprises par les radiologues ?

Les performances de l’outil varient selon les équipements utilisés pour les mammographies. Il est plus efficace avec les appareils d’un fabricant que d’un autre, ce qui suggère qu’il doit être adapté aux technologies locales avant d’être déployé. Les radiologues participant à l’étude ont exprimé une confiance modérée envers l’outil, tout en pointant ses limites, notamment sa tendance à surestimer certaines anomalies comme les calcifications.

Cette étude ouvre la voie à une utilisation plus large de l’intelligence artificielle dans le dépistage du cancer du sein. Elle montre qu’il est possible de réduire la charge de travail des professionnels sans sacrifier la qualité des diagnostics. Pour aller plus loin, il faudra améliorer la transparence des décisions de l’outil et former les radiologues à son utilisation, afin qu’ils puissent mieux évaluer ses alertes et en tirer le meilleur parti.

Références des contenus

Référence officielle

DOI : https://doi.org/10.1038/s43018-026-01128-z

Titre : Impact of using artificial intelligence as a second reader in breast screening including arbitration

Revue : Nature Cancer

Éditeur : Springer Science and Business Media LLC

Auteurs : Lucy M. Warren; Jenny Venton; Kenneth C. Young; Mark Halling-Brown; Christopher J. Kelly; Marc Wilson; Megumi Morigami; Lisanne Khoo; Deborah Cunningham; Richard Sidebottom; Mamatha Reddy; Hema Purushothaman; Delara Khodabakhshi; Lesley Honeyfield; Amandeep Hujan; Tsvetina Stoycheva; Andy Joiner; Reena Chopra; Aminata Sy; Dominic Ward; Lin Yang; Rory Sayres; Daniel Golden; Namrata Malhotra; Rachita Mallya; Lihong Xi; Della Ogunleye; Charlotte Purdy; Alistair Mackenzie; Susan Thomas; Shravya Shetty; Fiona J. Gilbert; Ara Darzi; Hutan Ashrafian