Une récente étude publiée dans Clinical Breast Cancer a révélé que les modèles d’apprentissage profond ont le potentiel de servir d’outils prédictifs efficaces pour le pronostic du cancer du sein. Dirigée par le Dr Junqi Han et son équipe de l’Hôpital affilié de l’Université de Qingdao en Chine, l’étude a démontré le succès d’un modèle combinant des données d’images mammographiques, d’images par ultrasons et d’autres caractéristiques pour prédire avec précision la survie sans maladie des patients atteints de cancer du sein.
Les chercheurs ont souligné les performances améliorées du modèle combiné, qui utilise à la fois des images mammographiques et des images par ultrasons, par rapport à l’utilisation de modalités d’imagerie individuelles seules. En exploitant l’intelligence artificielle et les techniques d’apprentissage profond, les radiologistes explorent de nouvelles voies pour améliorer le diagnostic et le pronostic du cancer du sein.
Dans cette étude, l’équipe a recueilli des données auprès de 1 242 patients entre 2013 et 2018, en les divisant en groupes d’entraînement et de test. Ils ont utilisé des modèles d’apprentissage profond avec ResNet50 et intégré des données cliniques et des caractéristiques d’imagerie pour sélectionner des facteurs pronostiques indépendants et établir un modèle clinique.
Au total, cinq modèles ont été développés : apprentissage profond par ultrasons, apprentissage profond par mammographie, apprentissage profond par ultrasons plus mammographie, modèle clinique et modèle combiné. Les chercheurs ont constaté que le modèle combiné, intégrant des images des deux modalités ainsi que des caractéristiques pathologiques, cliniques et radiographiques, présentait les meilleures performances prédictives parmi les modèles analysés.
Il est important de noter que certaines caractéristiques pathologiques et cliniques ne pouvaient être obtenues qu’après une chirurgie. Par conséquent, le modèle combiné revêt une importance particulière pour prédire le pronostic après l’intervention chirurgicale. De plus, l’étude a souligné la complémentarité de l’échographie et de la mammographie dans l’imagerie mammaire, l’échographie étant utilisée pour observer la forme et les caractéristiques des lésions, tandis que la mammographie est utilisée pour identifier les calcifications.
Bien que l’étude présente des résultats prometteurs, les auteurs ont appelé à une validation externe dans les futures recherches afin de mesurer l’efficacité prédictive et la généralisabilité des modèles. Malgré cela, l’utilisation de modèles d’apprentissage profond présente un grand potentiel pour améliorer la prédiction du pronostic du cancer du sein et, en fin de compte, améliorer les résultats pour les patients.
FAQ sur le pronostic du cancer du sein et les modèles d’apprentissage profond :
Q : Que révèle la récente étude publiée dans Clinical Breast Cancer ?
R : L’étude révèle le potentiel des modèles d’apprentissage profond en tant qu’outils prédictifs efficaces pour le pronostic du cancer du sein.
Q : Qui a dirigé l’étude ?
R : L’étude a été dirigée par le Dr Junqi Han et son équipe de l’Hôpital affilié de l’Université de Qingdao en Chine.
Q : Quel type de données l’étude a-t-elle utilisé ?
R : L’étude a combiné des données d’images mammographiques, d’images par ultrasons et d’autres caractéristiques pour prédire la survie sans maladie des patients atteints de cancer du sein.
Q : Comment le modèle combiné s’est-il comporté par rapport à l’utilisation de modalités d’imagerie individuelles ?
R : Le modèle combiné, qui a incorporé à la fois des images mammographiques et des images par ultrasons, a montré des performances améliorées par rapport à l’utilisation de modalités d’imagerie individuelles seules.
Q : Quelles techniques ont été utilisées dans l’étude ?
R : L’étude a utilisé des techniques d’intelligence artificielle et d’apprentissage profond, en utilisant spécifiquement des modèles d’apprentissage profond avec ResNet50.
Q : Comment les données ont-elles été collectées ?
R : Les chercheurs ont recueilli des données auprès de 1 242 patients entre 2013 et 2018, en les divisant en groupes d’entraînement et de test.
Q : Combien de modèles ont été développés dans l’étude ?
R : Un total de cinq modèles ont été développés : apprentissage profond par ultrasons, apprentissage profond par mammographie, apprentissage profond par ultrasons plus mammographie, modèle clinique et modèle combiné.
Q : Quel modèle présentait les meilleures performances prédictives ?
R : Le modèle combiné, qui a intégré des images d’échographie et de mammographie ainsi que des caractéristiques pathologiques, cliniques et radiographiques, présentait les meilleures performances prédictives.
Q : Pourquoi le modèle combiné est-il important pour prédire le pronostic après une chirurgie ?
R : Certaines caractéristiques pathologiques et cliniques ne peuvent être obtenues qu’après une chirurgie, ce qui rend le modèle combiné crucial pour prédire le pronostic après une intervention chirurgicale.
Q : Quels sont les rôles complémentaires de l’échographie et de la mammographie dans l’imagerie mammaire ?
R : L’échographie est utilisée pour observer la forme et les caractéristiques des lésions, tandis que la mammographie est utilisée pour identifier les calcifications.
Q : Que demandent les auteurs de l’étude ?
R : Les auteurs ont demandé une validation externe dans les futures recherches afin de mesurer l’efficacité prédictive et la généralisabilité des modèles.
Q : Quel est le potentiel de l’utilisation des modèles d’apprentissage profond pour le pronostic du cancer du sein ?
R : Les modèles d’apprentissage profond montrent un grand potentiel pour améliorer la prédiction du pronostic du cancer du sein et, en fin de compte, améliorer les résultats pour les patients.
The source of the article is from the blog kewauneecomet.com