Le partage de données peut améliorer l’intelligence artificielle dans le cadre de la recherche en imagerie mammaire
- Buda M & al.
- JAMA Netw Open
- Univadis
- Clinical Summary
À retenir
- Un vaste ensemble de données d’images de tomosynthèse mammaire numérique (TMN) devrait aider à faire progresser les algorithmes d’intelligence artificielle utilisés dans le cadre de l’imagerie du cancer du sein.
Pourquoi est-ce important ?
- L’ensemble de données pourra être exploité pour de futures recherches en imagerie mammaire.
Méthodologie
- Dans le cadre de cette étude diagnostique, 16 802 examens de TMN avec au moins 1 vue reconstituée ont été évalués.
- Les données ont été réparties de manière aléatoire en ensembles de formation (4 838 examens auprès de 4 362 patientes), de validation (312 examens auprès de 280 patientes) et de test (460 examens auprès de 418 patientes) de manière à garantir l’absence de chevauchement entre les sous-ensembles.
- Financement : Instituts nationaux américains de la santé (National Institutes of Health, NIH).
Principaux résultats
- Un ensemble de données d’examens par TMN qui contenait 22 032 volumes de TMN reconstitués provenant de 5 060 patientes a été rendu public.
- Les examens ont été divisés en différents types : les examens normaux (91,4 %), les examens exploitables nécessitant des examens d’imagerie supplémentaires mais pas de biopsie (5,0 %), les examens bénins ayant fait l’objet d’une biopsie (2,0 %) et les examens ayant détecté un cancer (1,6 %).
- L’algorithme a atteint une sensibilité de 65 % pour les seins.
Limites
- L’ensemble de données n’inclut pas d’annotations concernant les calcifications et/ou les microcalcifications.
Malheureusement, l’accès à l’intégralité de cet article est reservé uniquement aux professionnels de santé disposant d’un compte.
Vous avez atteint la limite d'articles par visiteur
Inscription gratuite Disponible uniquement pour les professionnels de santé
