Les autorités engagent une réflexion sur la place de l'intelligence artificielle dans le dépistage du cancer du sein

Le ministère de la santé ainsi que les agences sanitaires concernées et les professionnels engagent des travaux "sur la place que pourrait prendre l'intelligence artificielle [IA] dans le dépistage organisé" du cancer du sein, a annoncé le ministère dans un communiqué le 1er octobre.

Ces travaux, qui associeront "la Haute Autorité de santé [HAS] et l'Institut national du cancer [Inca], en lien avec les représentants des radiologues" en vue d'un "éventuel déploiement", ont également été mentionnés la veille par un représentant de la direction générale de la santé (DGS) à une journée de l'Inca consacrée aux dépistages des cancers. Il a souligné la volonté de "lancer le plus vite possible" des travaux, "sans attendre les résultats de toutes les études en cours".

Dinh-Phong Nguyen, sous-directeur adjoint de la santé des populations et de la prévention des maladies chroniques à la DGS, a estimé qu'"il y a de nombreuses questions auxquelles on doit répondre, avant d'implémenter" une utilisation de l'IA dans le dépistage organisé.

Il faudra probablement passer d'abord par un programme pilote avant une généralisation, à l'image du programme Impulsion en cours sur le dépistage du cancer du poumon, qui est une étude préalable à la mise en œuvre au niveau national.

Dinh-Phong Nguyen a ajouté que cela nécessitera de "monter une infrastructure" qui "pourrait ensuite s'appliquer aussi à d'autres usages".

Différentes places possibles de l'IA

Un nombre croissant d'études ont évalué l'IA comme aide dans le dépistage du cancer du sein, à différents moments du processus.

Dinh-Phong Nguyen a cité particulièrement l'étude suédoise MASAI. Sur plus de 100 000 femmes, une IA utilisée pour décider s'il était nécessaire d'avoir une deuxième lecture a permis d'augmenter de 29 % le taux de cancers détectés, tout en réduisant de 44 % la charge de travail des radiologues, une partie des images ne nécessitant pas de double lecture.

Mais différentes possibilités existent. Le Pr Patrice Taourel de l'hôpital Lapeyronie au CHU de Montpellier a rappelé les usages qui peuvent être envisagés : une IA totalement autonome ; une IA en triage, pour sélectionner les mammographies à lire (et donc certaines mammographies ne seraient pas lues par un radiologue) ; une IA en deuxième lecture ; une IA en "béquille" du premier lecteur (ou d'un lecteur unique).

Il s'est montré défavorable à l'IA autonome, en raison notamment d'une spécificité insuffisante, de la limitation du rôle du radiologue à "gérer les résultats d'IA positifs", ainsi que de l'absence d'échographie pour les seins denses.

Pour l'IA en triage, il a cité l'étude PRAIM dans laquelle, théoriquement on pourrait diminuer de plus de la moitié le nombre de mammographies lues, mais à condition d'accepter de manquer un petit nombre de cancers, classés normaux par l'IA alors qu'ils étaient détectables. Et là aussi il n'y a pas d'échographie mammaire, alors qu'actuellement 40 % des patientes en ont une.

Troisième possibilité : l'IA à la place de la 2e lecture pourrait être une solution. Sans supprimer 100 % des deuxièmes lectures par un radiologue, elle permettrait d'en éviter 60 % sans perte de chance, selon une étude.

Quant à l'IA "béquille", qui correspond à ce qui se fait actuellement dans certains centres en France - hors du dépistage organisé -, cette utilisation de l'IA en parallèle de la première lecture constitue un "filet de sécurité pour avertir le radiologue" en cas de discordance. Elle peut avoir un intérêt, avec toutefois des risques d'augmenter les taux de rappels, surtout quand le radiologue est peu expérimenté.

C'est donc notamment le meilleur moment où utiliser l'IA qui devra être défini. Devront également être discutées les questions du coût supplémentaire, ou aussi de la meilleure utilisation du temps libéré pour les radiologues, a noté le représentant de la DGS.

Une même IA pour tous, ou plusieurs ?

Il a par ailleurs évoqué des questions pratiques comme le choix d'avoir un même fournisseur d'IA pour tous, avec des risques de dépendance et de difficulté en cas de défaillance ; ou de plusieurs fournisseurs dont le choix serait fait localement, conduisant à une hétérogénéité ; ou encore une solution intermédiaire avec plusieurs IA évaluées en commun.

Se pose aussi la question des changements de version du/des logiciel(s) choisi(s) : "quelle preuve exiger pour la version suivante ?"

En résumé, les prochaines étapes sont donc : "décider de la fonction qu'on veut donner à l'IA", "expérimenter en conditions réelles" et "décider de la doctrine d'achat". Ces décisions sont "à préparer dès le protocole de recherche" qui sera mis en œuvre.

D'après une dépêche publiée par APMnews le 1er octobre 2026.