Intelligence artificielle
Eric Topol appelle à une diffusion rapide de la mammographie assistée par IA.
La mammographie assistée par IA est le prototype d'une médecine en mutation profonde. Les preuves sont suffisamment solides, les essais en cours très nombreux pour que l'inaction ne soit plus défendable, explique Eric Topol dans une tribune parue dans The Lancet.
- mr.suphachai praserdumrongchai ratburana, Thailand/iStock
Depuis une décennie, l'apprentissage profond s'impose progressivement dans l'interprétation des images médicales, mais sans que les pratiques cliniques n'aient encore évolué en conséquence. L'article d'Eric Topol publié dans The Lancet lien le 11 avril 2026 , cardiologue et chercheur en médecine numérique au Scripps Research Institute, plaide avec force pour que la mammographie de dépistage intègre désormais systématiquement le soutien de l'intelligence artificielle. S'appuyant sur un corpus de preuves de plus en plus solide, il souligne que l'inaction devient difficile à justifier.
La pièce maîtresse de son argumentation est l'essai randomisé suédois MASAI (Mammography Screening with Artificial Intelligence), dont les résultats de suivi à deux ans viennent d'être publiés. Cet essai a comparé la double lecture par deux radiologues à la lecture par un seul radiologue assisté d'un algorithme d'IA. Les conclusions sont éloquentes : l'IA a permis d'améliorer la détection des cancers du sein de 29 %, sans augmentation des faux positifs ni du taux de rappel des patientes. Mieux encore, le suivi à deux ans montre une réduction de 12 % des cancers d'intervalle — ces tumeurs apparaissant entre deux examens de dépistage —, signe que l'IA permet une détection plus précoce avec un effet potentiellement préventif sur l'évolution de la maladie. Ces données sont d'autant plus significatives que l'Institut national du cancer américain estime qu'environ 20 % des cancers du sein échappent actuellement à la détection mammographique conventionnelle. Les résultats de MASAI ne sont pas isolés. Des études prospectives menées en conditions réelles en Allemagne, en Hongrie, en Corée du Sud, en Suède et aux États-Unis confirment qu'une meilleure détection est possible sans alourdir la charge diagnostique.
Des perspectives radicalement nouvelles en matière de prévention
Au-delà de la simple détection, Eric Topol souligne que l'IA ouvre des perspectives radicalement nouvelles en matière de prévention. Des algorithmes sont désormais capables de prédire le risque individuel de développer un cancer du sein dans les cinq années suivant une mammographie normale. L'un d'eux, baptisé Clairity Breast, a obtenu en 2025 une autorisation de mise sur le marché de la FDA américaine, après avoir été entraîné sur environ 420 000 mammographies issues de 27 centres répartis sur trois continents. Une patiente identifiée comme à haut risque pourrait ainsi bénéficier de modalités de dépistage plus sensibles ou plus fréquentes — mammographie 3D, IRM, échographie — permettant d'anticiper la maladie bien avant son stade invasif. L'article mentionne également un autre algorithme approuvé par la FDA, CureMetrix, qui analyse les calcifications artérielles visibles sur la mammographie pour prédire le risque d'événements cardiovasculaires majeurs dans les quatre à cinq années à venir. Cette capacité à détecter, à partir d'un seul examen, des risques cardiaques est qualifiée de « dépistage opportuniste » : l'IA révèle des informations cliniques insoupçonnées sans effort supplémentaire pour la patiente. C'est d'autant plus précieux que les maladies cardiovasculaires, première cause de mortalité féminine, restent trop souvent négligées dans les soins courants.
Face à ces avancées, Eric Topol s'interroge sur les obstacles à leur déploiement. Aux États-Unis, ces outils existent mais sont en grande partie à la charge des patientes, faute de remboursement par les assurances. L'adoption varie considérablement selon les systèmes de santé nationaux. Par ailleurs, la qualité et la validation clinique des algorithmes disponibles sont très inégales : si Transpara, utilisé dans l'essai MASAI, fait l'objet de vastes essais randomisés en cours en Norvège et aux États-Unis, nombre d'autres outils commerciaux ne bénéficient pas d'un niveau de preuve comparable.
L'IA générative permettrait d'intégrer dans un seul modèle l'ensemble des fonctionnalités
Eric Topol formule également une critique prospective importante : tous les algorithmes actuels reposent sur des modèles d'IA dits « classiques », sans recourir à l'IA générative. Or celle-ci permettrait d'intégrer dans un seul modèle l'ensemble des fonctionnalités — détection du cancer, prédiction du risque, évaluation cardiovasculaire —, offrant une vision globale et cohérente à partir d'un unique examen. Cette convergence constitue, selon lui, une priorité de recherche et développement. L'argument économique vient renforcer l'argument médical : le coût du traitement d'un cancer du sein diagnostiqué à un stade avancé est considérable, ce qui rend l'investissement dans des outils de détection précoce pleinement justifiable sur le plan des systèmes de santé.
En conclusion, Eric Topol présente la mammographie assistée par IA comme le prototype d'une médecine en mutation profonde. Les preuves sont suffisamment solides, les essais en cours suffisamment nombreux pour que l'inaction ne soit plus défendable. Il appelle à des efforts concertés entre systèmes de santé pour accélérer le déploiement de ces outils, garantir leur accessibilité sans surcoût pour les patientes et tirer pleinement parti du potentiel de l'IA dans la lutte contre l'une des maladies les plus meurtrières chez la femme.
