Impact de l’utilisation de l’intelligence artificielle comme second lecteur dans le dépistage du cancer du sein, y compris l’arbitrage

Pourquoi cette étude importe pour les femmes et les familles

Le dépistage du cancer du sein est l’un des outils les plus utilisés pour détecter un cancer à un stade précoce, lorsque le traitement est plus efficace et moins agressif. Pourtant, le système repose sur une importante main-d’œuvre hautement qualifiée de spécialistes qui examinent les images de mammographie à l’œil nu. Au Royaume-Uni, il n’y a pas suffisamment de radiologues pour répondre aisément à la demande, ce qui suscite des inquiétudes quant aux délais et aux cancers manqués. Cette étude pose une question qui concerne des millions de femmes : un système d’intelligence artificielle (IA) peut‑il prendre en charge en toute sécurité une partie du travail de lecture aux côtés d’experts humains sans sacrifier la précision — et éventuellement aider à détecter des cancers plus tôt ?

Comment fonctionne le dépistage du sein aujourd’hui

Dans le programme de dépistage mammaire du National Health Service, les femmes âgées de 50 à 70 ans sont invitées à réaliser une mammographie tous les trois ans. Chaque série d’images est normalement lue indépendamment par deux lecteurs spécialisés formés à la mammographie, tels que des radiologues ou des manipulateurs spécialisés. Si les deux lecteurs sont en désaccord, ou si la politique locale l’exige, le cas est porté à une discussion spécialisée appelée arbitrage, où les lecteurs décident ensemble s’il faut convoquer la patiente pour des examens complémentaires. Ce système de double lecture vise à concilier deux objectifs : détecter autant de cancers que possible tout en évitant des convocations inutiles qui provoquent de l’anxiété, des examens supplémentaires et des coûts.

Ce que les chercheurs ont voulu évaluer

L’équipe a étudié des mammographies et des dossiers cliniques de 50 000 femmes dépistées dans deux services hospitaliers de Londres. Parce que ces femmes avaient plusieurs années de suivi, les chercheurs ont pu observer non seulement quels cancers ont été détectés lors du dépistage, mais aussi ceux apparus plus tard entre deux dépistages (les cancers intervalle) ou lors du rendez‑vous de routine suivant. Ils ont comparé deux parcours utilisant les mêmes images historiques : l’approche standard avec deux lecteurs humains, et une approche assistée par l’IA où le premier lecteur était humain et le second était le système d’IA développé par Google. Tous les cas nécessitant une décision finale étaient soumis à des panels d’arbitrage composés de 22 lecteurs expérimentés, qui ont travaillé comme ils le feraient en clinique.

Comment l’IA s’est comparée aux experts humains

Globalement, l’utilisation de l’IA comme second lecteur a donné des résultats au moins aussi bons que la double lecture humaine, une fois prises en compte les décisions d’arbitrage. Le parcours assisté par l’IA a montré une capacité très similaire à identifier les femmes ayant réellement un cancer (sensibilité) et à rassurer celles qui n’en avaient pas (spécificité), répondant à des critères statistiques stricts de « non‑infériorité ». En fait, la spécificité était légèrement meilleure avec l’IA, ce qui signifie que moins de femmes ont été rappelées inutilement, et le taux de détection du cancer était pratiquement identique entre les deux approches. Comme l’IA a remplacé l’un des deux lecteurs humains pour la plupart des cas, le nombre total de lectures de routine a été réduit d’environ moitié, ce qui se traduit par une diminution estimée de 36 à 44 % du temps de lecture, même en tenant compte de l’effort supplémentaire lié à l’arbitrage.

Où l’IA a aidé — et où elle a montré ses limites

Avant arbitrage, le système d’IA était plus susceptible que des lecteurs humains individuels de repérer des cancers qui sont ensuite apparus entre deux dépistages ou au rendez‑vous suivant, ce qui suggère qu’il peut parfois détecter des changements subtils que les humains manquent. Cependant, nombre de ces alertes potentielles ont été annulées lors de l’arbitrage, en particulier lorsque les lecteurs étaient influencés par des images antérieures que l’IA n’avait pas analysées ou par des zones mises en évidence par l’IA qui se sont révélées bénignes. Dans un petit mais important sous‑ensemble de 93 femmes, l’IA a correctement estimé qu’il y avait un problème, mais les panels d’arbitrage ont décidé de ne pas rappeler ; la plupart de ces femmes ont ensuite développé des cancers intervalle ou au tour suivant. En même temps, l’arbitrage humain a correctement annulé de nombreux rappels déclenchés par l’IA chez des femmes finalement indemnes de cancer, améliorant la spécificité globale. À travers différents groupes d’âge, origines ethniques, densités mammaires et types de cancer, le parcours assisté par l’IA a généralement égalé la performance des soins standards, bien que les résultats pour certains sous‑groupes plus réduits soient moins certains.

Ce que cela pourrait signifier pour le dépistage futur

L’étude suggère que l’IA peut assumer en toute sécurité le rôle de second lecteur dans le dépistage du cancer du sein sans réduire la qualité des soins, tout en allégeant la pression sur une main‑d’œuvre sous tension. Elle met toutefois en évidence les limites des systèmes actuels : à elle seule, l’IA a montré un potentiel pour signaler des cancers plus tôt, mais ces avantages ont été atténués lorsque des humains, compréhensiblement prudents, ont contrecarré certaines alertes de l’IA. Les auteurs soutiennent que l’amélioration de la façon dont l’IA explique ses suggestions, la réduction des fausses alertes distrayantes et la formation des cliniciens à savoir quand faire confiance à l’outil ou le remettre en question pourraient libérer une plus grande partie de son potentiel. Si ces partenariats homme–machine sont affinés et soigneusement testés dans des essais en conditions réelles, le dépistage assisté par l’IA pourrait non seulement soutenir les programmes actuels, mais aussi aider davantage de femmes à voir leur cancer détecté à un stade où le traitement a le plus de chances de succès.

Citation: Warren, L.M., Venton, J., Young, K.C. et al. Impact of using artificial intelligence as a second reader in breast screening including arbitration. Nat Cancer 7, 507–521 (2026). https://doi.org/10.1038/s43018-026-01128-z

Mots-clés: dépistage du cancer du sein, mammographie, intelligence artificielle, charge de travail en radiologie, arbitrage médical