Cette discussion porte sur l'intégration de l'intelligence artificielle (IA) dans le cadre du dépistage organisé du cancer du sein, en se concentrant sur son rôle potentiel en première lecture (L1) et en deuxième lecture (L2). Les intervenants, dont Laurent Verzaux et Isabelle Doutriaux-Dumoulin, analysent comment l'IA peut influencer les taux de faux positifs et la gestion des antériorités mammographiques.

Les experts comparent des données issues d'études rétrospectives et prospectives, soulignant une concordance sur l'utilité de l'IA pour le tri et la réduction de la charge de travail en L2. Ils examinent les performances de l'IA par rapport aux radiologues, notant que si l'IA peut identifier des lésions, elle présente une valeur prédictive positive parfois faible, ce qui pourrait augmenter le nombre d'examens complémentaires (échographies, IRM) si elle est mal utilisée en L1. La discussion met en avant que l'IA est actuellement plus performante pour le filtrage en L2 que pour la détection pure en L1, où le risque de biais d'automatisation et de stress décisionnel est réel.

Un point crucial abordé est l'importance de la gestion des antériorités. Les intervenants soulignent que l'efficacité de l'IA dépend de sa capacité à intégrer les clichés antérieurs et la tomosynthèse pour améliorer la précision et réduire les faux positifs. Ils préconisent une centralisation de l'utilisation de l'IA via des structures comme les CRCDC pour garantir une évaluation scientifique rigoureuse et une standardisation des outils.

Pour le clinicien, le message principal est que l'IA ne doit pas être perçue comme un simple outil de détection, mais comme un levier de gestion du flux de travail. Son intégration nécessite un apprentissage pour éviter une sur-investigation, tout en offrant une opportunité majeure de réduire la charge de la deuxième lecture, condition sine qua non pour l'évolution vers la tomosynthèse dans le dépistage organisé.