Un deuxième avis plus rapide

Un logiciel qui compare la mammographie d'une patiente à celles d'une base de données est devenu un outil précieux pour aider les médecins à détecter le cancer du sein de manière plus fiable. Cependant, à mesure que la taille de ces bases de données augmente, le temps nécessaire pour évaluer une nouvelle image augmente.

L'image de gauche est une mammographie avec une région sélectionnée où une lésion cancéreuse pourrait exister. Un ordinateur le compare aux images de lésions cancéreuses connues dans une base de données. (Crédit : Georgia Tourassi, Duke University)

Aujourd'hui, des chercheurs de l'Université Duke ont développé une méthode pour trier des milliers d'images de mammographie et sélectionner les plus informatives, en quelques secondes.

Repérer un problème dans les mammographies peut être difficile. D'une part, les lésions cancéreuses peuvent se fondre dans l'arrière-plan, ce qui les rend difficiles à repérer pour les médecins. Les systèmes de détection logiciels aident en comparant une nouvelle mammographie à une base de données de celles déjà analysées, en signalant les indicateurs de cancer qu'un médecin aurait pu manquer.

Le premier système logiciel de ce type a été approuvé par la Food and Drug Administration en 1998. Actuellement, plus de 1 600 systèmes de ce type sont utilisés dans la pratique clinique aux États-Unis. Bien qu'il ait été démontré que les systèmes augmentent le taux de détection du cancer du sein, ils sont encore loin d'être parfaits et les chercheurs essaient constamment d'améliorer leur précision, dit Géorgie Tourisme , professeur de radiologie à l'Université Duke et développeur principal du nouveau logiciel.

Les nouveaux logiciels basés sur les connaissances, tels que ceux utilisés par les chercheurs de Duke, permettent aux médecins d'interagir avec le système, en posant des questions et en obtenant des réponses basées sur des cas de cancer antérieurs dans la base de données. Cependant, parcourir toutes les images dans un système basé sur la connaissance, qui peut contenir des milliers de mammographies, prend du temps. À mesure que la base de données de connaissances augmente en taille, cette méthode de force brute n'a plus de sens, explique Tourassi.

Pour accélérer le processus de recherche d'images, Tourassi et son équipe l'ont divisé en deux étapes. Ils ont d'abord recherché les mammographies les plus utiles dans la base de données en utilisant l'entropie de l'image - la quantité de variation en niveaux de gris dans les pixels - sur les régions mammographiques suspectes. Une image entièrement noire ou entièrement blanche a une entropie nulle, tandis que des images plus complexes ont des degrés d'entropie plus élevés, produits par des taches de pixels d'intensité variable. Ces cas à entropie élevée surviennent autour d'images de lésions cancéreuses et sont les plus utiles pour évaluer de nouvelles mammographies.

La comparaison de l'entropie dans les images est une tactique particulièrement intéressante, explique Tourassi, car ces valeurs sont automatiquement calculées pour les mammographies lorsqu'elles sont soumises dans la base de données Duke. Ainsi, aucun calcul de traitement d'image supplémentaire n'est nécessaire pour la technique.

Dans une étude pilote, les chercheurs de Duke ont montré qu'en comparant l'entropie d'image d'une région suspecte dans une nouvelle mammographie à l'entropie de toutes les régions cancéreuses connues dans la base de données, ils ont pu réduire le nombre de mammographies analysées d'environ 2 300 à 600. .

À partir de là, dit Tourassi, une analyse plus fine est utilisée pour comparer la région en question avec les régions connues dans les images de la base de données. Étant donné que le système ne doit traiter entièrement qu'environ 600 images, l'effort de calcul est réduit de 75 % et la recherche peut être effectuée en quelques secondes. Leurs résultats ont été présentés cette semaine lors de la réunion annuelle de l'Association américaine des physiciens en médecine à Orlando, en Floride.

En plus d'accélérer le processus de recherche, la technique Duke pourrait également améliorer le taux de détection des lésions cancéreuses, selon Maryellen Giger , professeur de radiologie à l'Université de Chicago. Les recherches d'entropie d'image, en particulier, sont bien adaptées à la détection de lésions. Les systèmes actuels ont un taux de précision de 80 pour cent dans la détection de ce type d'indicateur de cancer ; Giger dit que la technique Duke pourrait considérablement améliorer ce taux. C'est très prometteur, dit Giger.

D'ici un an, les chercheurs de Duke lanceront une étude pour évaluer l'impact clinique de leur nouvelle technique.

cacher