IA dépistage cancer du sein : l'essai suédois qui change les règles

Pendant des années, l'IA appliquée au dépistage du cancer du sein a vécu sur des études rétrospectives : on repassait de vieilles mammographies dans un algorithme et on comptait les points. Utile, mais insuffisant pour changer une politique de santé publique. Il manquait l'essai randomisé.

Il est arrivé. L'essai MASAI, mené à l'université de Lund en Suède sous la direction de Kristina Lång, a publié ses résultats finaux dans The Lancet. Et cet été, la revue est revenue à la charge avec une prise de position sans ambiguïté : la mammographie devrait inclure une assistance par intelligence artificielle. Le débat sur l'IA dépistage cancer du sein vient donc de changer de nature — on ne discute plus de la faisabilité, mais du calendrier de déploiement.

Ce qu'est MASAI, et pourquoi c'est différent

MASAI est un essai randomisé, contrôlé, de non-infériorité, en simple aveugle, mené en population générale dans le cadre du programme national suédois de dépistage.

Les paramètres :

• 105 915 femmes éligibles, âgées de 40 à 74 ans, âge médian 53 ans ;
• recrutement entre avril 2021 et décembre 2022 ;
• 53 043 femmes dans le bras assisté par IA, 52 872 dans le bras double lecture standard ;
• randomisation individuelle, pas par centre.

C'est le plus grand essai randomisé jamais mené sur l'IA en dépistage de cancer, tous organes confondus. La différence avec les travaux antérieurs n'est pas cosmétique : ici, on ne compare pas un algorithme à un radiologue sur des images d'archives. On compare deux parcours de soins réels, avec suivi des patientes.

Les chiffres

Les résultats intermédiaires, déjà publiés, donnaient le ton :

• +29 % de cancers détectés dans le bras IA ;
• -44 % de charge de lecture pour les radiologues ;
• aucune hausse du taux de faux positifs.

Les résultats finaux confirment et précisent. Le taux de détection passe de 74 % sans IA à 81 % avec assistance algorithmique. Mais le chiffre qui compte vraiment est ailleurs : les cancers d'intervalle reculent de 12 %.

Et quand un cancer passe malgré tout entre les mailles du filet, il est moins méchant :

• 16 % de cancers invasifs en moins ;
• 19 % de grosses tumeurs en moins ;
• 27 % de sous-types agressifs en moins (non-luminal A).

L'amélioration s'observe indépendamment de l'âge et de la densité mammaire — un point loin d'être anecdotique, la densité étant précisément ce qui rend certaines mammographies illisibles à l'œil humain.

Le cancer d'intervalle, juge de paix du dépistage

Il faut expliquer pourquoi ce fameux « -12 % » vaut plus que le taux de détection brut.

Un cancer d'intervalle, c'est une tumeur diagnostiquée entre deux campagnes de dépistage, après une mammographie déclarée normale. Deux causes possibles : soit la lésion était visible et a été manquée, soit elle est apparue et a grossi très vite. Dans les deux cas, c'est l'échec caractéristique d'un programme de dépistage.

Ces cancers-là sont statistiquement plus agressifs et de plus mauvais pronostic. « Les cancers d'intervalle sont généralement plus agressifs et devraient être aussi rares que possible », résume Kristina Lång.

Augmenter le taux de détection, en soi, ne prouve rien. On peut détecter davantage de lésions indolentes qui n'auraient jamais tué personne — c'est le surdiagnostic, la plaie de tout programme de dépistage. Faire baisser les cancers d'intervalle, en revanche, signifie qu'on attrape plus tôt des tumeurs qui, elles, allaient poser problème. C'est le seul indicateur qui distingue un dépistage efficace d'un dépistage bavard.

Comment l'IA s'insère concrètement

Rien ne change pour la patiente. L'examen est identique, la compression aussi, le temps de passage aussi. L'IA n'intervient qu'au moment de l'interprétation des images.

Son rôle est double :

• le triage : l'algorithme oriente chaque mammographie vers une lecture simple ou une double lecture, selon le niveau de suspicion ;
• le signalement : il marque les zones suspectes pour attirer l'œil du radiologue.

C'est ce triage qui explique les 44 % de charge de lecture en moins. Dans un système à double lecture systématique comme le suédois — ou le français — chaque cliché est examiné par deux radiologues. Si l'IA permet de réserver la double lecture aux dossiers qui la méritent, on libère un temps médical considérable dans une spécialité en tension démographique.

Lång insiste sur la simplicité de mise en œuvre : « La barre à franchir pour démarrer est plutôt basse, il s'agit en principe simplement d'intégrer un logiciel d'IA dans les systèmes informatiques existants. » Plusieurs régions suédoises et des pays européens ont commencé à basculer.

Les réserves, et elles existent

Enthousiasme mesuré, donc. Plusieurs objections tiennent debout.

Stephen Duffy, épidémiologiste, rappelle qu'il faudra confirmer dans la durée que ces femmes développent effectivement moins de cancers — la réduction des cancers d'intervalle est un excellent marqueur intermédiaire, pas encore une preuve de baisse de mortalité. Le seul critère qui compte au bout du compte, c'est le nombre de femmes qui meurent, et il demande des années de recul.

Côté français, Jean-Philippe Masson, de la Fédération nationale des médecins radiologues, tempère sur le gain de temps : l'expertise radiologique reste indispensable, notamment pour éviter les surdiagnostics, et l'outil ne fait pas disparaître le travail d'interprétation. Un algorithme qui signale davantage de zones suspectes peut aussi générer davantage d'examens complémentaires.

Autre limite : MASAI a testé un logiciel précis, dans un système de santé précis, avec des radiologues formés à double lecture. Les performances ne se transposent pas automatiquement d'un produit commercial à l'autre. Une étude publiée dans The Lancet Digital Health par Fisches et ses collègues avait d'ailleurs comparé sept stratégies d'intégration différentes sur plus de 1,6 million d'examens allemands, 223 000 britanniques et 22 000 suédois : les résultats varient nettement selon le scénario retenu.

Le cadre réglementaire arrive en même temps

Coïncidence de calendrier : le règlement européen sur l'IA classe en « haut risque » les dispositifs médicaux intégrant de l'intelligence artificielle dès lors qu'ils contribuent au diagnostic ou influencent une décision thérapeutique. Les obligations correspondantes s'appliquent à partir d'août 2026.

Concrètement, un logiciel d'aide à la lecture mammographique devra documenter ses données d'entraînement, sa robustesse, sa surveillance après mise sur le marché, et garantir un contrôle humain effectif. Ce n'est pas un frein — c'est ce qui rend le déploiement défendable devant une patiente.

Et en France ?

Le programme national de dépistage organisé cible les femmes de 50 à 74 ans, avec double lecture systématique. La structure est donc compatible avec le schéma testé par MASAI, ce qui rend la question moins technique que politique et budgétaire.

Trois choses à surveiller dans les mois qui viennent : le référencement des logiciels par les autorités sanitaires, le modèle de financement (qui paie la licence ?), et la formation des radiologues à une lecture assistée — parce que le principal risque documenté d'un outil de ce type, c'est le biais d'automatisation, cette tendance très humaine à faire confiance à la machine quand elle ne dit rien.

Un algorithme qui rate une lésion sans le signaler est plus dangereux qu'un algorithme absent. C'est là-dessus que se jouera la suite.