...

En utilisant des programmes informatiques pour analyser les images mammographiques d'un très grand nombre de femmes avec et sans cancer du sein, des chercheurs de l'Université de Melbourne ont identifié deux nouvelles mesures permettant d'améliorer considérablement la prédiction des risques et à un niveau bien supérieur de celui de tous les autres facteurs de risque connus. Il s'agit d'une mesure de la densité à des niveaux de luminosité habituels et successivement plus élevés et d'une mesure de la texture associée. "Ces deux mesures pourraient révolutionner le dépistage mammographique à peu de frais, car elles utilisent simplement des programmes informatiques", a déclaré le Pr John Hopper. "Elles pourraient également être combinées avec d'autres facteurs de risque recueillis lors du dépistage, tels que les antécédents familiaux et les facteurs liés au mode de vie, afin de fournir une image encore plus précise et holistique du risque."L'auteur principal ajoute qu'en termes de compréhension et d'évaluation des différences de risque chez les patientes, ces développements pourraient être les plus importants depuis la découverte des gènes BRCA1 et BRCA2 du cancer du sein, il y a de cela plus de 25 ans. "Étant donné que la mammographie est désormais numérique et que nos mesures sont désormais informatisées, les femmes évaluées pour leur risque au moment du dépistage pourraient donc recevoir des recommandations pour leur dépistage futur en fonction de leur risque personnel, et pas seulement de leur âge."Les chercheurs australiens assurent que si elles sont adoptées avec succès, ces nouvelles mesures pourraient rendre le dépistage plus efficace pour réduire la mortalité et moins stressant pour les femmes, et donc inciter davantage de personnes à se faire dépister. Elles pourraient également apporter une réponse au défi des seins plus denses pour lesquels le diagnostic est généralement plus complexe. De leur côté, le Dr Lamb et son équipe du Massachusetts General Hospital (MGH) ont développé un nouvel algorithme utilisant le deep learning pour prédire le risque de cancer du sein en utilisant les données de cinq sites de dépistage du cancer du sein du MGH. Leur modèle a atteint un taux de prédiction de 0,71, ce qui est nettement supérieur au modèle de risque traditionnel, qui a atteint un taux de 0,61. "Notre modèle basé sur le deep learning est capable de traduire toute la diversité et la subtilité des biomarqueurs d'imagerie présents dans une mammographie et qui peuvent prédire le risque futur de cancer du sein d'une femme", conclut le Dr Lamb. "Il peut permettre un accès accru à une évaluation des risques plus précise et moins coûteuse mais également aider à tenir la promesse d'une médecine de précision."