Cancer du sein : prédiction avec un réseau de neurones artificiels basé sur le lexique standardisé BI-RADS.

OBJECTIF : Déterminer si un réseau de neurones artificiels (RNA) pour catégoriser les lésions mammaires bénignes et malignes peut être standardisé pour être utilisé par tous les radiologues. MATÉRIAUX ET MÉTHODES : Un RNA a été construit sur la base du lexique standardisé du Système d'enregistrement et de données d'imagerie mammaire (BI-RADS) du Collège américain de radiologie. Dix-huit entrées dans le réseau comprenaient 10 descripteurs de lésions BI-RADS et huit valeurs d'entrée provenant de l'historique médical du patient. Le réseau a été entraîné et testé sur 206 cas (133 bénins, 73 malins). Les courbes caractéristiques de fonctionnement des récepteurs pour le réseau et les radiologues ont été comparées. RÉSULTATS : À un seuil de sortie spécifié, le RNA aurait amélioré la valeur prédictive positive (VPP) de la biopsie de 35 % à 61 %, avec une sensibilité relative de 100 %. À une sensibilité fixe de 95 %, la spécificité du RNA (62 %) était significativement supérieure à la spécificité des radiologues (30 %) (P < .01). CONCLUSION : Le lexique BI-RADS fournit un langage standardisé entre les mammographistes et un RNA qui peut améliorer la VPP de la biopsie mammaire.