Les lésions mammaires à haut risque
Une étude récente a mis en lumière l’utilisation d’un outil basé sur l’apprentissage automatique pour évaluer quelles lésions mammaires, déjà classées comme à haut risque, sont susceptibles d’évoluer en cancer. Selon les chercheurs, cette avancée pourrait potentiellement réduire le nombre de chirurgies inutiles. En effet, les lésions mammaires sont considérées comme à haut risque lorsqu’une biopsie indique qu’elles ont une probabilité accrue de déclencher un cancer. La majorité des recommandations actuelles préconisent l’ablation chirurgicale de ces lésions en raison du risque élevé, même si beaucoup d’entre elles ne représentent pas une menace immédiate. Dans certains cas, si une lésion n’est pas jugée urgente, il peut être plus approprié de recourir à l’imagerie de suivi ou à d’autres traitements, à condition qu’il existe des moyens fiables de distinguer les lésions.
Crédit d’image : Société radiologique d’Amérique du Nord
Dr. Manisha Bahl, l’une des auteures de l’étude et radiologue à la Harvard Medical School ainsi qu’au Massachusetts General Hospital (MGH), explique : « Il existe différentes catégories de lésions à haut risque. La plupart des institutions conseillent une excision chirurgicale pour des lésions telles que l’hyperplasie canalaire atypique, pour lesquelles la probabilité d’évolution vers un cancer est d’environ 20 %. Cependant, le risque d’évolution pour d’autres types de lésions à haut risque varie énormément d’une étude à l’autre, tout comme la gestion des patients, qui peut inclure la décision d’opérer ou de surveiller ces lésions, selon les pratiques des différents établissements. »
Une approche par apprentissage automatique
Des experts en imagerie mammaire de MGH, en collaboration avec des chercheurs du Laboratoire d’informatique et d’intelligence artificielle du MIT, ont exploré l’utilisation de l’apprentissage automatique pour déterminer quelles lésions à haut risque ont de meilleures ou de pires chances de se transformer en cancer. L’apprentissage automatique permet à un système d’intelligence artificielle (IA) d’apprendre et d’améliorer ses performances avec le temps, un peu à la manière dont les êtres humains acquièrent de nouvelles compétences.
Le modèle utilisé dans cette recherche intégrait des facteurs de risque traditionnels, tels que la histologie des lésions et l’âge des patientes, tout en intégrant des éléments plus récents comme des mots-clés figurant dans les rapports de pathologie des biopsies. L’équipe a entraîné le modèle sur des patientes ayant des lésions à haut risque confirmées par biopsie et ayant subi soit une chirurgie, soit une imagerie de suivi après deux ans. Au total, 1 006 lésions à haut risque ont été identifiées, dont 115 ont finalement évolué vers un cancer, représentant 11 %.
Le modèle a été alimenté avec les données de deux tiers des lésions, puis testé sur les 335 restantes. Il a correctement identifié 37 des 38 cas de progression cancéreuse, soit un taux de réussite de 97 %. Les chercheurs ont conclu que l’utilisation de ce modèle aurait permis d’éviter environ un tiers des chirurgies pratiquées sur les lésions bénignes. De plus, des termes tels que « sévèrement » et « atypique sévèrement » présents dans les rapports de pathologie, ont été associés à un risque accru de cancer.
Dr. Bahl a commenté : « Notre objectif est d’intégrer cet outil dans les pratiques cliniques pour faciliter des décisions plus éclairées concernant le suivi des patientes et la nécessité d’une chirurgie. Je suis convaincue que l’apprentissage automatique peut vraiment enrichir le processus décisionnel clinique et améliorer les soins aux patientes. » Cet exemple illustre parfaitement comment les avancées en matière d’apprentissage automatique modifient notre approche en matière de diagnostic, de traitement et de prévention des maladies.
FAQ
Qu’est-ce que l’apprentissage automatique en médecine ?
L’apprentissage automatique est une branche de l’intelligence artificielle qui permet aux ordinateurs de analyser des données et de tirer des conclusions sans être explicitement programmés pour chaque tâche. Dans le domaine médical, il est utilisé pour améliorer le diagnostic, le suivi des patients et même dans des traitements personnalisés.
Quels sont les autres types de lésions mammaires à risque ?
Les lésions telles que l’hyperplasie canalaire atypique et la néoplasie lobulaire avec atypie sont quelques exemples de lésions considérées comme à haut risque pour le développement ultérieur d’un cancer du sein.
Comment les décisions de traitement sont-elles prises ?
Les décisions se basent sur divers facteurs, y compris l’évaluation du risque associée aux lésions, l’âge de la patiente, ses antécédents médicaux, et les résultats des biopsies et des examens d’imagerie.
Quelles techniques d’imagerie sont utilisées après une biopsie ?
Les techniques d’imagerie comprennent la mamographie, l’ultrasonographie et parfois l’IRM, qui permettent un suivi attentif des lésions jugées à risque.
L’apprentissage automatique est-il déjà utilisé dans d’autres domaines de la santé ?
Oui, l’apprentissage automatique est également appliqué dans plusieurs domaines, comme l’analyse d’images médicales pour les diagnostics, la prévision des épidémies et la personnalisation des traitements pour des maladies chroniques comme le diabète.