Le diagnostic du cancer du sein assisté par ordinateur
Survivre à un cancer du sein nécessite un diagnostic et un traitement à un stade très précoce. Les méthodes capables de détecter des lésions malignes de moins de 10 mm peuvent considérablement réduire les décès liés au cancer du sein. Cependant, la détection de rehaussements sans masse grâce à l’imagerie par résonance magnétique (IRM) est compliquée en raison du taux élevé de faux positifs menant à des interventions invasives inutiles. L’essor de l’intelligence artificielle a permis de réaliser des tâches très exigeantes en quelques secondes grâce à de nouveaux algorithmes d’apprentissage automatique. Le projet SmartMammaCAD, financé par l’UE, a proposé d’utiliser ces approches d’apprentissage automatique pour améliorer la performance du diagnostic des IRM dynamiques avec produit de contraste (DCE). «Nous souhaitions mettre au point un nouveau système automatisé qui aide le radiologue dans le diagnostic du cancer du sein», explique le Dr Ignacio Álvarez, coordinateur du projet et boursier Marie Skłodowska-Curie. L’apprentissage automatique améliore le diagnostic basé sur l’IRM Les rehaussements sans masse offrent une apparence hétérogène, ainsi qu’une grande variation des caractéristiques cinétiques et des paramètres morphologiques typiques. Ce comportement dynamique des rehaussements sans masse empiète sur le tissu physiologique, posant un défi pour le diagnostic basé sur l’IRM. Afin d’améliorer la précision et l’efficacité du diagnostic des lésions du sein associées au cancer, les chercheurs ont recouru à un nouvel apprentissage automatique et à des algorithmes de traitement du signal. En suivant une coordination et une coopération pluridisciplinaire, SmartMammaCAD a généré un ensemble de données de plusieurs centaines d’images médicales en trois dimensions obtenues à partir de patientes réelles et contenant des annotations de radiologues relatives aux lésions. Les informations distinctes tirées de ces images ont servi à entraîner le système à identifier les rehaussements sans masse. Les nouveaux algorithmes ont permis la détection automatique de structures semblables à un mur dans l’imagerie médicale, isolant ainsi les signaux dynamiques du sein des sources sonores séparées par la paroi thoracique. Ils représentent un élément à part entière du logiciel SmartMammaCAD et ont aidé les chercheurs à effectuer une segmentation et une discrimination correctes du tissu mammaire par rapport aux autres organes. D’autres techniques de compensation du mouvement ont pu réduire l’impact du bruit et des mauvais alignements sur les signaux pertinents. Selon le Dr Ramírez, «la principale réussite de ce projet a été de découvrir que le comportement dynamique des tissus peut être exploité pour améliorer les performances de la classification dans les rehaussements sans masse». Alors que certaines informations sur les lésions comme la forme, les bords et la taille sont difficiles à définir, le comportement dynamique peut être exploité pour distinguer les rehaussements sans masse du tissu mammaire normal. L’avenir du diagnostic du cancer du sein assisté par ordinateur Globalement, le système SmartMammaCAD devrait avoir un impact positif sur la santé des citoyennes européennes en améliorant le diagnostic de maladies potentiellement mortelles comme le cancer du sein. Le principal avantage du CAD dans le cancer du sein est la réduction des biopsies. «Bien qu’il soit difficile d’évaluer le bénéfice à long terme d’un système CAD dans la lutte contre le cancer du sein, un système précis et très spécifique peut susciter la confiance dans la détection», reconnaît le Dr Ramírez. La méthode de contrôle proposée par SmartMammaCAD afin de surmonter le taux actuel de faux positifs a permis d’améliorer de 20 % la sensibilité et la spécificité de la détection des rehaussements sans masse. Les partenaires espèrent que les systèmes CAD retrouveront la confiance des radiologues. Étant donné que la densité mammaire devient un facteur de risque de cancer important, les partenaires de SmartMammaCAD envisagent d’améliorer l’efficacité de la segmentation mammaire de leur système. En outre, le système peut être étendu pour incorporer des informations issues d’autres techniques d’imagerie, augmentant ainsi la précision de la détection et de la classification.
Mots‑clés
SmartMammaCAD, cancer du sein, rehaussements sans masse, diagnostic assisté par ordinateur (CAD), apprentissage automatique, IRM dynamique avec produit de contraste (DCE)
