Un modèle fondationnel pour le dépistage du cancer du sein et du poumon à partir de tomodensitométrie sans contraste

Pourquoi un seul examen pour deux cancers importe

Le dépistage du cancer fonctionne généralement comme une série de bilans séparés : un test pour les poumons, un autre pour les seins, chacun ajoutant du temps, des coûts et une exposition supplémentaire aux rayonnements. Cette étude explore une idée différente — si un seul scanner thoracique largement utilisé pouvait simultanément rechercher, de manière discrète, le cancer du poumon et le cancer du sein, avec l’aide de l’intelligence artificielle (IA). Si elle réussit, une telle approche pourrait transformer des examens de routine en un filet de sécurité à double usage, notamment dans les hôpitaux très fréquentés et les régions aux ressources limitées.

Un nouveau type d’éclaireur numérique pour le cancer

Les chercheurs ont développé un système d’IA appelé OMAFound qui apprend à « lire » des tomodensitogrammes thoraciques tridimensionnels. À la différence des outils traditionnels entraînés de manière étroite sur un seul organe, ce système étudie d’abord plus de 200 000 scanners non étiquetés provenant de plus de 58 000 personnes, apprenant simplement à quoi ressemblent en général des thorax sains et malades. Ce pré-entraînement large permet à l’IA de détecter des motifs subtils à l’échelle de l’ensemble du thorax. L’équipe ajoute ensuite des jeux de données plus petits et étiquetés indiquant si chaque patient a finalement été diagnostiqué avec un cancer du sein, un cancer du poumon ou aucun des deux, apprenant ainsi au modèle à transformer sa compréhension générale des images en prédictions concrètes de cancer.

Apprendre à un système à surveiller deux organes

Au‑dessus du noyau commun de lecture d’images, l’équipe a construit deux branches spécialisées : l’une ajustée aux signes du cancer du sein et l’autre aux signes du cancer du poumon. Elles ont été entraînées et testées sur des TDM provenant de plus de 150 000 patients dans plusieurs hôpitaux chinois et jeux de données internationaux. Pour le cancer du sein, les chercheurs ont aussi développé un système d’IA séparé qui lit les mammographies, le test de dépistage standard actuel, afin de comparer équitablement l’IA basée sur la TDM avec la pratique établie chez les mêmes femmes. Dans des tests comparatifs réalisés sur des femmes ayant les deux types d’images, l’IA sur mammographie était globalement légèrement plus précise, mais la branche TDM pour le sein était plus sensible — détectant plus de cancers — tandis que la mammographie était meilleure pour éviter les faux positifs.

Des découvertes par organe à une réponse au niveau du patient

Considérer chaque organe de façon isolée peut induire en erreur : si les deux branches indiquent « cancer possible », la combinaison pourrait suggérer de manière irréaliste deux tumeurs distinctes chez la même personne. Pour éviter cela, les chercheurs ont créé un troisième module d’IA qui fusionne les informations issues des vues du sein et du poumon du même scanner et décide si, au niveau du patient, un cancer est probable. Cette approche au niveau du patient reflète la réalité clinique, où les personnes ont le plus souvent un seul cancer, si elles en ont un. Parmi les femmes des jeux de test, cette stratégie combinée offrait le meilleur compromis — une sensibilité élevée aux cancers existants tout en maintenant les faux positifs à un niveau contrôlé — surpassant les méthodes mathématiques simples de fusion des sorties par organe.

Tester le système en dépistage réel

Pour évaluer le fonctionnement d’OMAFound en dehors du laboratoire, l’équipe a mené une étude prospective dans quatre centres médicaux, suivant plus de 21 000 personnes venues pour un dépistage thoracique par TDM faible dose. Chez les hommes, pour qui seul le cancer du poumon est pertinent, le système a correctement équilibré détection des cancers et faux positifs dans environ 86 % des cas. Chez les femmes, il a atteint des justesses équilibrées d’environ 82 % pour le cancer du sein, 88 % pour le cancer du poumon et 83 % pour la décision globale de savoir si une femme avait un cancer ou non. Les chercheurs ont aussi demandé à sept radiologues généralistes d’interpréter un échantillon difficile d’examens, d’abord seuls puis avec les scores de risque et les cartes de chaleur d’OMAFound pointant les zones préoccupantes. Avec l’aide de l’IA, la capacité des radiologues à détecter des cancers a augmenté fortement — en particulier pour les tumeurs mammaires — tandis que leur tendance à surdiagnostiquer des cas non cancéreux n’a pas augmenté.

Ce que cela pourrait signifier pour les soins quotidiens

Globalement, l’étude suggère qu’une seule TDM thoracique faible dose, déjà largement utilisée pour le dépistage pulmonaire, pourrait aussi offrir une couche supplémentaire de dépistage du cancer du sein lorsqu’elle est associée à un système d’IA performant. OMAFound ne remplace pas la mammographie ni le jugement d’experts, mais il pourrait repérer plus tôt les personnes à haut risque et aider des cliniciens surchargés à concentrer leur attention là où elle est la plus nécessaire. En transformant un examen courant en un guetteur multi-cancer, cette approche ouvre la voie à des programmes de dépistage plus efficaces, plus accessibles et potentiellement plus salvateurs, sans ajouter d’examens, de coûts ou d’exposition aux radiations supplémentaires.

Citation: Liang, Z., Niu, Q., Wang, J. et al. A foundation model for breast and lung cancer screening using non-contrast computed tomography. Nat. Health 1, 403–415 (2026). https://doi.org/10.1038/s44360-026-00055-8

Mots-clés: dépistage multi-cancer, TDM faible dose, cancer du sein, cancer du poumon, IA médicale