Dans quelle mesure l'IA va-t-elle transformer le dépistage du cancer du sein ? Le début d'une nouvelle ère pour réduire les "cas manqués".

Le cancer du sein est l'un des cancers les plus fréquemment diagnostiqués chez les femmes dans le monde. Selon l'OMS, environ 2,3 millions de personnes ont été diagnostiquées avec un cancer du sein en 2022, et environ 670 000 en sont décédées. De plus, environ la moitié des patientes ne présentent pas de facteurs de risque clairs autres que le sexe et l'âge. Cela signifie que même sans antécédents familiaux ou problèmes majeurs de mode de vie, une personne peut être atteinte de cette maladie. C'est pourquoi améliorer la précision de la détection précoce reste un défi majeur pour les systèmes de santé dans de nombreux pays.

Face à ce défi, l'IA évolue d'un "outil pour détecter les anomalies" à un "outil pour lire les risques futurs". L'attention se porte actuellement sur "BRAIx", une IA de dépistage du cancer du sein développée en Australie. Selon les rapports publics et les annonces des instituts de recherche, cette IA calcule un score de risque de 0 à 99,9 basé sur des images de mammographie, prédisant la probabilité qu'une femme développe un cancer du sein dans les quatre prochaines années. Dans les études, environ 10% des femmes classées dans les 2% à haut risque ont été diagnostiquées avec un cancer du sein dans les quatre ans, bien qu'elles aient été jugées "sans anomalie" lors du dépistage. De plus, cette prédiction a montré une performance supérieure aux indicateurs traditionnels tels que l'âge, les antécédents familiaux et la densité mammaire.

Il est important de noter que l'IA ne se contente pas de détecter des "ombres ressemblant à des tumeurs". La lecture traditionnelle consistait à déterminer s'il y avait des anomalies évidentes dans les images actuelles. Cependant, BRAIx cherche à identifier des motifs subtils invisibles à l'œil humain dans les images et à évaluer la "probabilité future d'apparition d'un cancer". L'équipe de recherche explique que l'IA, en traitant l'information au niveau des pixels, peut être efficace même dans des cas difficiles à distinguer, comme les seins à haute densité. Avec une densité mammaire élevée, les tissus mammaires et les tumeurs apparaissent tous deux blanchâtres, ce qui rend les mammographies traditionnelles sujettes aux erreurs. L'IA cherche à tracer une nouvelle ligne d'assistance dans ce contexte.

Ce mouvement n'est pas un sujet isolé. Une étude de mise en œuvre à grande échelle en Allemagne a rapporté que la double lecture assistée par l'IA a augmenté le taux de détection du cancer du sein de 17,6% par rapport à la double lecture traditionnelle, sans aggraver le taux de rappels pour réexamen. Un autre rapport indique que l'utilisation de l'IA a réduit le pourcentage de "cancers d'intervalle" découverts ultérieurement. En d'autres termes, l'IA n'est pas une technologie futuriste théorique, mais commence à être évaluée comme un "outil pratique pouvant améliorer la précision du dépistage".

D'un autre côté, l'attention portée à l'IA est également due aux limites du système de dépistage lui-même. En Australie, BreastScreen Australia a contribué à réduire le taux de mortalité par cancer du sein pendant de nombreuses années, mais le taux de participation reste insuffisant. De plus, le dépistage est généralement effectué à des "intervalles uniformes" pour une certaine tranche d'âge, et il n'existe pas de système permettant de modifier la fréquence des dépistages en fonction des risques futurs individuels. Les équipes de recherche et les experts soulignent que l'utilisation de l'IA pourrait permettre un dépistage personnalisé, avec des "fréquences plus rapprochées pour les personnes à haut risque" et "moins de contraintes pour celles à faible risque".

Cette "personnalisation" n'est pas seulement pratique pour les patients. Réduire les omissions chez les personnes à haut risque permettrait de commencer le traitement plus tôt. Inversement, éviter les examens supplémentaires inutiles pour les personnes à faible risque réduirait le stress psychologique et les coûts médicaux. La véritable valeur de la recherche en IA réside dans la visualisation des priorités de répartition des ressources médicales limitées, plutôt que dans le remplacement des médecins. Alors que le vieillissement de la population augmente la demande de diagnostics par imagerie, la charge des radiologues s'accroît dans de nombreux pays, et l'IA est attendue comme un "dispositif d'assistance pour concentrer les jugements des experts sur les points les plus importants", plutôt qu'une "solution magique pour combler le manque de personnel".

En réalité, l'accueil sur les réseaux sociaux publics est très positif. Sur LinkedIn, les publications d'organisations et de chercheurs impliqués dans la recherche sur le cancer et l'innovation médicale reçoivent des commentaires encourageants tels que "un travail important", "une grande avancée", et "j'espère que cela sera mis en œuvre dans le milieu médical". Les publications de VCCC Alliance sont accompagnées de plusieurs commentaires louant la recherche, et les chercheurs et professionnels de la santé concernés réagissent en qualifiant les résultats de "très impactants". Dans les publications liées à l'AIML, l'idée que "l'IA ne remplace pas les médecins mais fonctionne comme un second regard" est souvent mise en avant. L'enthousiasme sur les réseaux sociaux montre que ce sujet est perçu non seulement comme une nouvelle technologique, mais aussi comme une réponse à un problème urgent dans le milieu médical.

Cependant, les réactions ne sont pas uniquement élogieuses. Les commentaires d'experts et les rapports connexes adoptent une attitude prudente, affirmant que "bien que prometteuse, une intégration dans la pratique quotidienne nécessite davantage de validation". Selon un avis d'expert présenté par le Science Media Centre en Espagne, bien que cette recherche soit de grande envergure et méthodologiquement solide, la comparaison avec les porteurs de mutations BRCA doit être interprétée comme un "risque limité à une période de quatre ans" et ne doit pas être confondue avec le risque à vie. Un autre rapport souligne la nécessité de prudence dans la généralisation des résultats obtenus dans un seul établissement ou une population spécifique. Même si l'IA est très précise, cela ne signifie pas qu'elle fonctionnera de la même manière dans toutes les régions, races et systèmes.

Il ne faut pas oublier que l'IA n'assume pas la "responsabilité finale du diagnostic". Selon un rapport d'ABC, les chercheurs affirment qu'une supervision finale par un radiologue humain est nécessaire. En réalité, le contexte du patient, y compris son état de santé, ses antécédents médicaux, ses résultats d'examen physique, ses inquiétudes personnelles, les décisions concernant les examens supplémentaires et la connexion avec le traitement, ne peut être entièrement compris à partir des images seules. Récemment, des avertissements ont été émis concernant la délégation excessive de conseils médicaux à l'IA, et dans le cas de maladies comme le cancer du sein, où un retard dans la réponse peut être fatal, une utilisation prudente de l'IA pour renforcer le jugement personnel est particulièrement requise. L'IA est intelligente, mais c'est encore l'humain qui examine le patient. Ce principe fondamental ne change pas, même avec les avancées technologiques.

Néanmoins, la signification de cette recherche est immense. Le dépistage du cancer du sein a longtemps été conçu pour être effectué à "un certain âge, à des intervalles fixes". Cependant, à l'avenir, l'idée que "même dans la cinquantaine, la même fréquence est-elle vraiment appropriée" ou "si vous êtes à haut risque dans la quarantaine, ne devrions-nous pas intervenir plus tôt" pourrait devenir dominante. L'équipe de recherche envisage un système de dépistage basé non seulement sur l'âge, mais aussi sur le risque individuel. Si sa mise en œuvre progresse, le dépistage du cancer du sein pourrait passer d'un "système basé sur l'âge" à un "système adapté à chaque individu grâce aux images et aux données".

Dans le domaine du cancer du sein, ce qui est vraiment effrayant, ce n'est pas seulement l'anomalie visible elle-même. C'est le temps perdu après avoir été rassuré par un dépistage "sans problème", pendant lequel la maladie progresse. C'est précisément ce vide que l'IA cherche à combler. Bien qu'il soit difficile d'éliminer complètement les omissions, l'IA commence à montrer son véritable potentiel en tant que "dispositif de prédiction pour réduire les retards", plutôt qu'une "machine à détecter le cancer".

Source URL

https://www.theage.com.au/lifestyle/health-and-wellness/artificial-intelligence-revolutionising-breast-cancer-research-20260307-p5o8cx.html

・Rapports connexes traitant du même sujet (aperçu de BRAIx, prévision du risque à 4 ans, résultats du top 2%, commentaires des chercheurs)
https://www.abc.net.au/news/2026-03-04/artificial-intelligence-breast-cancer-risk-mammogram/106411246

・Informations préalables en ligne de la revue académique (titre de l'article, date de publication, position officielle de la recherche)
https://www.thelancet.com/journals/landig/onlinefirst

・Annonce de l'institut de recherche (contexte du développement de BRAIx, apprentissage sur environ 400 000 personnes, vérification sur environ 96 000 personnes, validation externe en Suède, concept de dépistage personnalisé)
https://www.svi.edu.au/news-events/ai-based-tool-estimates-breast-cancer-risk-within-next-four-years/

・Résumé des informations scientifiques pour les médias (points clés de la recherche, risque de 9,7% pour les 2% supérieurs sur 4 ans, nécessité de recherches supplémentaires avant les soins de routine)
https://www.scimex.org/newsfeed/ai-could-help-preduct-your-risk-of-breast-cancer-in-the-next-4-years

・Fiche d'information de l'OMS sur le cancer du sein (nombre de patients et de décès dans le monde, facteurs de risque, importance de la détection précoce)
https://www.who.int/news-room/fact-sheets/detail/breast-cancer

・Étude de mise en œuvre à grande échelle en Allemagne (exemple où la lecture assistée par l'IA a augmenté le taux de détection sans aggraver le taux de rappels)
https://www.nature.com/articles/s41591-024-03408-6

・Rapport complétant les arguments prudents pour l'introduction de l'IA (bien que l'IA puisse réduire les découvertes tardives, des vérifications supplémentaires sont nécessaires)
https://www.theguardian.com/science/2026/jan/29/ai-use-in-breast-cancer-screening-cuts-rate-of-later-diagnosis-by-12-study-finds

・Informations de base sur le système de dépistage en Australie (explication de BreastScreen Australia, concept de tranche d'âge cible)
https://www.aihw.gov.au/reports/cancer-screening/breastscreen-australia-monitoring-report-2025/contents/breast-cancer/breast-cancer-screening

・Source de vérification des réactions sur les réseaux sociaux publics 1 (publication et commentaires LinkedIn de VCCC Alliance)
https://www.linkedin.com/posts/vcccalliance_an-artificial-intelligence-tool-to-predict-activity-7435097386366054400-xWmT

・Source de vérification des réactions sur les réseaux sociaux publics 2 (publication AIML/connexe. Contexte de l'IA en tant que "second regard")
https://www.linkedin.com/posts/jonathangovette_sweden-just-proved-ai-can-catch-29-more-activity-7426652456484397056-ceWM

・Source de vérification des réactions sur les réseaux sociaux publics 3 (publication LinkedIn présentant la recherche)
https://www.linkedin.com/posts/professor-gerald-lip-633a5556_ai-based-braix-risk-score-for-the-intermediate-term-activity-7435008570406117376-ypfK