Imagerie de la Femme最新文献

{"title":"Performance diagnostique d’un modèle d’apprentissage profond pour la prédiction de la sous-estimation de cancer du sein : expérience du CHU Grenoble Alpes sur 89 lésions frontières (B3)","authors":"Kévin Guttin,&nbsp;Bénédicte Guillaume,&nbsp;Ivan Bricault,&nbsp;Gilbert Ferretti,&nbsp;Aurélie Delouche","doi":"10.1016/j.femme.2024.06.002","DOIUrl":"10.1016/j.femme.2024.06.002","url":null,"abstract":"<div><h3>Objectifs de l’étude</h3><div>L’amélioration des techniques d’imageries pour le dépistage du cancer du sein est responsable depuis plusieurs années d’une augmentation du nombre de biopsies mammaires et de la découverte de lésions frontières (catégorie B3). Elles représentent environ 7 à 9 % des biopsies et sont un groupe hétérogène d’anomalies histologiques présentant un risque de sous-estimation néoplasique de 9,9 % à 35,1 %. Si certains critères cliniques, radiologiques ou histologiques sont connus pour majorer le risque de sous-estimation de ces lésions frontières, il n’existe pas à l’heure actuelle de recommandation officielle sur leur prise en charge qui reste pays- et centre-dépendant. L’objectif de ce travail était d’étudier les performances d’un modèle d’apprentissage profond pour prédire la malignité des pièces opératoires d’anomalies mammographiques macrobiopsiées et correspondant à des lésions frontières B3.</div></div><div><h3>Matériel et méthodes</h3><div>Cette étude rétrospective monocentrique a inclus 89 lésions frontières macrobiopsiées correspondant à des anomalies mammographiques chez 86 patientes. L’ensemble des patientes a été opéré avec des résultats histologiques définitifs : 11 cancers, 15 lésions bénignes et 63 lésions frontières. Le modèle Transpara® a été appliqué a posteriori (pour 79 lésions) et a priori (pour dix lésions) sur les mammographies bidimensionnelles. Les performances de l’algorithme ont été analysées sur les lésions B2 définitives (absence de prise en charge) et les lésions B5 définitives (chirurgie complémentaire). Elles ont été illustrées sous la forme d’une courbe <em>receiver operating characteristic</em> et d’une aire sous la courbe.</div></div><div><h3>Résultats</h3><div>Les performances du modèle avaient une aire sous la courbe de 0,521, avec une sensibilité de 0,36 et une spécificité de 0,87. Les scores de l’intelligence artificielle étaient croissants dans le sens du Breast Imaging-Reporting and Data System (<em>p</em> <!-->=<!--> <!-->0,004) alors qu’il n’existait pas de différence statistique selon la morphologie ou la distribution des microcalcifications (<em>p</em> <!-->=<!--> <!-->0,052).</div></div><div><h3>Conclusion</h3><div>Les cancers infiltrants étaient soit non vus par le modèle (un carcinome infiltrant de type non spécifique), soit vus avec un score intermédiaire (un carcinome lobulaire infiltrant). Le modèle d’intelligence artificielle n’est pas approprié dans une population uniquement constituée de lésions frontières.</div></div><div><h3>Purpose of the study</h3><div>In recent years, improved imaging techniques for breast cancer screening have led to an increase in the number of breast biopsies and the discovery of lesions of uncertain malignant potential (B3). These represent around 7 to 9% of biopsies, and are a heterogeneous group of histological abnormalities with the risk of neoplastic underestimation (9.9% to 35.1%). Although certain clinical, radiological and histolo","PeriodicalId":40842,"journal":{"name":"Imagerie de la Femme","volume":"34 3","pages":"Pages 129-143"},"PeriodicalIF":0.2,"publicationDate":"2024-09-01","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"142536103","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}