Résumé
La mammographie de dépistage est proposée actuellement en fonction de l’âge des patientes et associée à une échographie en cas de sein dense. Les évolutions de l’imagerie vers la tomosynthèse 3D optimisent la détection, réduisent les faux-positifs et limitent l’irradiation. Cependant, hors des cas à haut risque génétique, il reste difficile d’affiner la stratégie d’exploration en fonction des risques de plus faible impact (antécédents familiaux, alcoolisme, etc.). Mais de nouvelles méthodes plus personnalisées sont à l’étude pour déterminer la stratégie d’imagerie optimale pour chaque patiente.
Parallèlement, il faut uniformiser les performances de la mammographie pour donner la même chance à toutes les femmes. S’appuyant sur les très grandes bases de données existantes, les techniques d’intelligence artificielle de type deep learning le permettent en apprenant automatiquement à construire les signatures radiologiques des cancers. Les meilleurs algorithmes atteignent maintenant la performance des radiologues humains. À l’avenir, ils calculeront à partir des images une probabilité individuelle d’évolution cancéreuse, permettant d’optimiser la prise en charge des patientes.
