Tomosynthèse à grand angle et IA en mammographie diagnostique

Le cancer du sein reste le cancer le plus fréquemment diagnostiqué et une cause majeure de mortalité liée au cancer chez les femmes dans le monde. Une détection rapide et précise est cruciale pour améliorer le pronostic et les résultats de survie. Bien que la mammographie numérique ait longtemps été la référence absolue pour le dépistage, elle est limitée par la superposition des structures tissulaires, en particulier chez les femmes ayant des seins denses, ce qui peut masquer les tumeurs malignes ou créer des faux positifs.

Pour remédier à ces limites, la tomosynthèse mammaire numérique (DBT), en particulier la DBT à grand angle, a été développée pour offrir une imagerie tridimensionnelle et réduire la superposition des tissus. Le système MAMMOMAT B.brilliant de Siemens, qui intègre la DBT à grand angle, améliore la résolution spatiale et la visibilité des lésions. Cette technologie peut offrir des avantages significatifs dans les populations diagnostiques, où la précision et la confiance dans l'interprétation des images sont cruciales.

Parallèlement, des outils d'intelligence artificielle (IA) comme le système Transpara ont été introduits pour améliorer encore l'interprétation mammographique. Une précédente évaluation de Transpara sur un échantillon de 310 femmes japonaises a révélé que si les lecteurs humains surpassaient l'IA en termes de performance diagnostique globale, le système a montré des niveaux de sensibilité prometteurs, soulignant le potentiel de l'IA en tant qu'outil d'aide à la décision plutôt que comme lecteur autonome.

Des preuves plus robustes sont fournies par l'essai Mammography Screening with Artificial Intelligence (MASAI), qui a évalué la lecture des écrans assistée par l'IA dans une étude contrôlée portant sur plus de 80 000 femmes. L'essai a révélé que la lecture assistée par l'IA a conduit à un taux de détection du cancer comparable à la double lecture standard (6,1 contre 5,1 pour 1000 participantes) mais a réduit la charge de travail de lecture de 44,3 % sans augmenter les faux positifs ni les taux de rappel. Une analyse connexe de la même équipe a souligné la capacité de l'IA à trier efficacement les examens et a mis en évidence que les mammographies classées par l'IA comme « risque très élevé » représentaient une part substantielle (plus de 55 %) de tous les cancers détectés lors du dépistage, avec une valeur prédictive positive élevée.

Malgré ces résultats encourageants, la plupart des études se sont limitées à des contextes de dépistage. Il manque encore des preuves prospectives sur l'application diagnostique en conditions réelles de la DBT à grand angle et de l'IA dans des populations à risque plus élevé, telles que les patientes symptomatiques ou celles rappelées après un dépistage. Cela représente une lacune critique dans les connaissances, d'autant plus que les préoccupations concernant la charge de travail des radiologues et les retards de diagnostic augmentent.

L'objectif de cette étude observationnelle prospective est d'évaluer l'intégration et la valeur diagnostique de la tomosynthèse à grand angle et de l'IA (Transpara) dans un contexte de diagnostic clinique. Plus précisément, elle vise à évaluer leur influence sur la confiance des radiologues, la précision diagnostique et la nécessité d'imagerie complémentaire. En répondant à ces questions, l'étude cherche à éclairer les futures stratégies de mise en œuvre qui équilibrent précision, efficacité et utilité clinique.