TrialsgrambêtaRCTs are beautiful
Traduction non vérifiéeLa traduction en Français de cette entrée n'a pas été vérifiée par les pairs et peut différer de la source. L'acronyme, le titre complet et la citation restent toujours dans la langue d'origine.Ouvrir la publication d'origine ↗

Elías-Cabot AI triage

AI-based triage and decision support in mammography and digital tomosynthesis for breast cancer screening: a paired, noninferiority trial

Patient / Population Intervention / Exposition Comparaison Critère de jugement

Chez 31 301 femmes bénéficiant d'une mammographie de dépistage, un triage par IA partiellement autonome écartant les examens à faible risque a réduit la charge de lecture des radiologues par rapport à la double lecture standard en aveugle.

N
31 301patients
Schéma
Étude prospective appariée de non-infériorité (non randomisée)
Critère
Charge de travail des radiologues, taux de détection des cancers et taux de rappel (coprimaires)
Pertinence
3Complémentaire — du contexte, pas un incontournable.
RésultatCharge de travail −63,6 % ; détection des cancers 6,3 → 7,3 pour 1.000 (+15,2 %, IC à 95 % 6,6–24,4 % ; p<0,001) ; taux de rappel +14,8 % (IC à 95 % 9,0–20,6 %), non-infériorité non démontrée. Réduction de charge similaire pour la mammographie numérique (−62,1 %) et la tomosynthèse (−65,5 %) ; détection et rappel n'ont augmenté qu'avec la mammographie numérique.
Elías-Cabot E, et al. Nat Med. 2026;32(4):1296-1305. 10.1038/s41591-026-04277-x
Discussion et critique

Premier test prospectif consistant à laisser l'IA valider les examens à faible risque sans aucune lecture humaine : près des deux tiers de la charge de travail ont disparu et la détection a augmenté, mais les rappels aussi — le compromis que tout programme d'IA autonome doit justifier. Schéma apparié, non randomisé (les deux stratégies appliquées à chaque examen), un seul flux de travail d'IA, et le cancer détecté au dépistage plutôt que les cancers d'intervalle ou la mortalité comme critère.