Un examen de quelques minutes peut parfois changer toute la suite d’un parcours médical.
Au moment où une patiente passe une mammographie de dépistage, elle ne ressent généralement rien. Pas de masse palpable, pas de douleur particulière, pas de symptôme suffisamment inquiétant pour l’avoir conduite chez un médecin. C’est précisément le principe du dépistage : rechercher une anomalie avant qu’elle ne se manifeste.
Dans le cancer du sein, cette avance compte.
L’Organisation mondiale de la Santé rappelle que la mortalité diminue lorsque les cancers du sein sont détectés et pris en charge précocement. Les tumeurs identifiées lorsqu’elles sont encore petites et qu’elles ne se sont pas propagées aux ganglions voisins ont davantage de chances d’être traitées avec succès.
Mais détecter tôt ne consiste pas simplement à produire une image et à repérer une anomalie. Entre le dépistage, l’interprétation, les examens complémentaires, le diagnostic et le suivi, se construit tout un parcours. Et c’est dans cette chaîne que les nouveaux outils d’aide à la décision commencent à trouver leur place.
Détecter avant les symptômes
Le cancer du sein reste un enjeu sanitaire majeur. En 2024, environ 2,4 millions de femmes ont reçu un diagnostic de cancer du sein dans le monde, et près de 694 000 en sont décédées selon l’OMS.
La détection précoce repose sur deux démarches complémentaires.
La première consiste à diagnostiquer rapidement une maladie lorsqu’un symptôme apparaît : masse, modification de la forme du sein, changement cutané ou écoulement inhabituel, par exemple.
La seconde est le dépistage chez des personnes qui ne présentent encore aucun signe apparent.
En France, le programme organisé propose actuellement une mammographie tous les deux ans aux femmes âgées de 50 à 74 ans présentant un risque moyen. Les mammographies considérées comme normales ou bénignes lors de la première lecture font également l’objet d’une seconde lecture, particularité importante du dispositif français.
Cette organisation répond à une difficulté fondamentale : rechercher une anomalie parfois extrêmement discrète au milieu d’un nombre considérable d’images normales.
L’enjeu n’est pas seulement de trouver un cancer
Une mammographie de dépistage doit constamment trouver un équilibre.
Il faut détecter les anomalies suffisamment tôt, sans pour autant multiplier inutilement les rappels, examens complémentaires et biopsies chez des patientes qui n’ont finalement pas de cancer.
La performance d’un dépistage ne peut donc pas être réduite au seul nombre de cancers détectés. Les taux de rappel, les faux positifs, les cancers diagnostiqués entre deux campagnes de dépistage ou encore l’exposition aux rayonnements font également partie des critères utilisés pour évaluer les stratégies d’imagerie. C’est notamment sur cet ensemble de paramètres que la Haute Autorité de Santé évalue les évolutions du dépistage, comme l’introduction de la tomosynthèse mammaire.
Pour le radiologue, cela signifie prendre une décision dans un environnement où la majorité des examens sont normaux, alors que quelques images seulement peuvent contenir une anomalie déterminante.
C’est précisément dans cet espace que les outils d’aide à la décision se développent.
Un deuxième regard sur l’image
L’intelligence artificielle appliquée à la mammographie ne consiste pas simplement à annoncer « cancer » ou « absence de cancer ».
Selon les systèmes et les workflows, elle peut signaler une région suspecte, attribuer un niveau de risque à un examen ou participer à la priorisation des lectures. L’objectif est alors d’apporter au radiologue une information supplémentaire au moment où il construit sa décision.
Les résultats récents commencent à dépasser le cadre des seules études rétrospectives.
L’étude PRAIM, publiée en 2025 dans Nature Medicine, a observé plus de 460 000 femmes dans douze centres allemands. Dans ce contexte réel de dépistage, la lecture assistée par IA a été associée à un taux de détection de 6,7 cancers pour 1 000 femmes dépistées, contre 5,7 pour 1 000 sans assistance, sans augmentation du taux de rappel.
En 2026, les résultats du grand essai randomisé suédois MASAI ont également apporté des données importantes. Le dépistage assisté par IA y a obtenu des résultats favorables par rapport à la double lecture conventionnelle, notamment sur la sensibilité et les cancers diagnostiqués entre deux dépistages, tout en réduisant fortement la charge de lecture.
Ces résultats ne signifient pas que l’algorithme remplace le radiologue.
Ils suggèrent plutôt qu’une autre forme de lecture devient possible : une expertise humaine enrichie par un système capable d’attirer l’attention sur certaines informations de l’image.
De la détection au parcours de la patiente
Pourtant, trouver une anomalie n’est que le début.
Une image suspecte peut conduire à de nouvelles incidences mammographiques, une échographie, une IRM ou une biopsie. Les résultats doivent être rapprochés des examens précédents et du contexte clinique. Puis, lorsqu’un cancer est confirmé, commence une nouvelle succession de décisions : caractérisation de la maladie, stratégie thérapeutique, traitement et surveillance.
Le cancer du sein révèle ainsi une dimension souvent oubliée de l’imagerie médicale : une image prend sa valeur dans le temps.
Comparer un examen actuel avec les précédents permet de rechercher une évolution. Mesurer une lésion de manière reproductible aide à évaluer sa progression ou sa réponse au traitement. Centraliser les informations pertinentes peut éviter qu’un changement subtil ne soit noyé dans la succession des examens.
Les outils d’aide à la décision peuvent alors intervenir au-delà de la seule détection. Quantification, comparaison longitudinale, structuration de l’information ou mise en évidence de régions d’intérêt peuvent aider le professionnel à suivre plus facilement ce qui évolue d’un examen à l’autre.
Mais le véritable objectif reste le même : maintenir la continuité du parcours.
L’OMS insiste justement sur l’importance d’un continuum reliant détection précoce, diagnostic rapide et prise en charge complète. Elle souligne également l’intérêt de la navigation des patientes pour réduire les ruptures de parcours et faciliter l’accès, dans les délais appropriés, aux différentes étapes du diagnostic et du traitement.
Aider à décider ne signifie pas décider
L’arrivée de l’IA dans le dépistage pourrait donner l’impression qu’un jour l’analyse deviendra entièrement automatique.
La réalité clinique est plus complexe.
Une anomalie identifiée sur une mammographie doit être interprétée en fonction de sa morphologie, de sa localisation, de la densité mammaire, des examens précédents et du contexte de la patiente. Une alerte produite par un système n’est donc pas une conclusion médicale.
Elle est une information supplémentaire.
Cette distinction est essentielle pour éviter deux écueils opposés : ignorer systématiquement l’algorithme ou, à l’inverse, lui accorder une confiance excessive.
Les performances observées dans les grandes études récentes sont encourageantes, mais elles dépendent du modèle utilisé, de la population, de l’organisation du dépistage et de la manière dont l’outil s’insère dans le travail des radiologues. Les résultats obtenus dans un système de santé ne peuvent pas être automatiquement transposés à tous les autres.
L’enjeu n’est donc pas d’automatiser la décision. Il est de construire un environnement dans lequel la bonne information arrive au bon professionnel au bon moment.
Quelques millimètres, parfois plusieurs années d’avance
La détection précoce du cancer du sein raconte finalement quelque chose de très simple.
Plus une maladie peut être identifiée avant sa progression, plus la médecine dispose de possibilités pour agir. L’objectif du dépistage n’est pas de produire davantage d’images, mais de transformer une anomalie encore silencieuse en information exploitable suffisamment tôt.
Les outils d’aide à la décision prolongent aujourd’hui cette logique.
Ils peuvent attirer l’attention, comparer, quantifier ou contribuer à organiser la lecture. Ils peuvent aider à gérer des volumes d’examens croissants et, dans certains contextes, améliorer les performances du dépistage. Mais leur valeur ne se mesure pas uniquement à celle de leur algorithme.
Elle se mesure à ce qui se passe après.
Une image détectée doit devenir une information comprise. Une information comprise doit devenir, lorsque cela est nécessaire, un examen complémentaire. Puis un diagnostic. Puis une prise en charge.
Entre la première mammographie et le suivi d’une patiente, la technologie peut aider à raccourcir certaines distances.
Mais la finalité reste profondément humaine : faire en sorte que lorsqu’un cancer apparaît, la médecine puisse le voir assez tôt pour disposer du plus grand nombre possible d’options.
