À l’occasion d’Octobre Rose, Epiconcept présente les avancées du projet DEEP.PISTE. Trois années de recherche ont permis de constituer une base de 110 000 mammographies, qui a servi de socle pour entraîner et évaluer des algorithmes d’intelligence artificielle. L’objectif : concentrer l’expertise médicale là où elle est la plus nécessaire, pour détecter plus tôt et mieux les cancers du sein. Une expérimentation pionnière dans l’organisation du dépistage.
Le cancer du sein : un enjeu de santé publique majeur
Chaque année, près de 12 000 femmes décèdent d’un cancer du sein en France. Si le dépistage organisé a réduit cette mortalité, certaines anomalies échappent encore à la première lecture des radiologues.
Pour éviter les faux négatifs, chaque mammographie jugée normale en première intention fait l’objet d’une deuxième lecture par un expert. Cette double vérification – cruciale pour les patientes – mobilise d’importantes ressources médicales.
Lauréat 2019 du Health Data Hub, DEEP.PISTE est un projet piloté par Epiconcept en partenariat avec le CRCDC-Occitanie et le laboratoire HEKA (UMR1346, sous tutelles INRIA, INSERM, Université Paris Cité). Il explore, dans un cadre éthique, comment l’intelligence artificielle peut contribuer à améliorer l’organisation du dépistage avec l’expertise humaine.
Objectif : permettre à terme aux radiologues de consacrer leur temps aux mammographies présentant des anomalies, plutôt qu’à la relecture systématique des clichés normaux, dans un contexte de pénurie de spécialistes.
Trois ans de travail pour construire un socle scientifique inédit en Europe
Depuis 2021, les équipes ont reconstitué plus de 110 000 examens, offrant une vision exhaustive du dépistage et de ses résultats sur la période 2011-2020.
« Je travaille à partir de ces données pour entraîner les algorithmes open source sur des situations concrètes observées dans le dépistage, explique Emilien Jemelen, doctorant pour HEKA & Epiconcept. Mon objectif est que l’IA atteigne un niveau de performance comparable à celui d’un regard humain expérimenté, en détectant des signes qui peuvent passer inaperçus lors d’un premier examen. »
Chaque mammographie positive a été annotée par un radiologue expert. Les algorithmes sont donc entraînés d’après des critères scientifiques rigoureux, ce qui garantit la fiabilité de l’apprentissage de l’IA.
Cette démarche montre qu’il est possible de tenir l’équilibre entre expertise humaine et technologie, en plaçant la précision et la fiabilité des diagnostics au centre du processus.
Une phase de validation en conditions réelles est prévue pour 2025-2026 pour mesurer précisément leur impact sur l’organisation des centres de dépistage.
Vers une médecine plus prédictive et personnalisée
DEEP.PISTE ouvre la voie à une approche plus personnalisée.
L’étude des données collectées permettra d’identifier les facteurs qui influencent la détection précoce et d’adapter les stratégies de dépistage selon les profils de risque.
Le projet donnera des clés pour améliorer le processus et redessiner les règles du dépistage en utilisant l’IA pour orienter plus rapidement les patientes à risque vers une prise en charge adaptée.
Cette approche reflète la conviction d’Epiconcept : mettre la donnée et la science au service de la santé publique. Elle renforce également le rôle stratégique d’Epiconcept dans la structuration des données populationnelles de santé, un savoir-faire clé du groupe Softway Medical.
