• Langue : Français
• Discipline : Médecine. Radiodiagnostic et imagerie médicale
• Identifiant : 2020LILUM076
• Type de thèse : Doctorat de médecine
• Date de soutenance : 09/04/2020

Résumé en langue originale

L’avènement des nouvelles technologies basées sur le machine learning va bouleverser la médecine allant du diagnostic, avec un impact certain sur les spécialités d’imagerie médicale, au thérapeutique. De plus en plus de logiciels d’aide au diagnostic, basés sur l’intelligence artificielle sont apparus ces dernières années, notamment dans le domaine de la sénologie et du dépistage du cancer du sein. Le centre hospitalier de Valenciennes, a développé des partenariats avec deux acteurs du marché. Le but de notre étude monocentrique, rétrospective, était d’évaluer la performance de 2 logiciels à trier les examens en normal ou nécessitant de poursuivre les explorations, sur un set issu de données locales de 140 mammographies enrichi en cancer, comparativement à 3 radiologues. Les études étaient considérées comme positives si le BI-RADS initial était supérieur ou égal à 3, les études BIRADS 1 et 2 étaient considérées comme négatives. Une analyse concomitante a été effectuée en utilisant uniquement les résultats anatomopathologiques des biopsies, où seules les tumeurs prouvées histologiquement étaient considérées comme positives. Les performances des différents opérateurs étaient analysées en fonction de la sensibilité (taux de vrai positif - TVP), du taux de faux positif (TFP), selon les deux catégories de “ground truth”. Alors que les performances globales des opérateurs, radiologues et algorithmes, sont comparables sur la première catégorie de “ground truth”, l’analyse détaillée par BI-RADS montre des performances médiocres pour un des logiciels sur les BIRADS extrêmes. Ces mauvais résultats sont confortés par l’analyse des lésions biopsiées. Nous concluons qu’un des deux algorithmes présente des performances inadaptées à une pratique clinique, tandis que le deuxième montre des résultats prometteurs qui devront être confortés par des études de plus grande ampleur sur des data-set de qualité, validés par des radiologues experts.

Résumé traduit

...