Un réseau neuronal nouvellement développé est très précis pour identifier les points de repère clés importants dans la chirurgie mammaire – ouvrant la voie à une évaluation objective de la symétrie mammaire, suggère une étude parue dans le numéro de février de Chirurgie Plastique et Reconstructrice®, le journal médical officiel de l’American Society of Plastic Surgeons (ASPS). La revue est publiée dans le portfolio Lippincott de Wolters Kluwer.
« Les réseaux neuronaux et l’apprentissage automatique ont le potentiel d’améliorer l’évaluation de la symétrie mammaire en chirurgie reconstructive et esthétique du sein, en permettant une détection rapide et automatisée des caractéristiques utilisées par les chirurgiens plasticiens », commente l’auteur principal Nitzan Kenig, MD, de l’hôpital universitaire d’Albacete, en Espagne.
Développer des réseaux neuronaux pour une évaluation objective des seins
La symétrie mammaire est une préoccupation clé en chirurgie mammaire et est généralement évaluée par de simples évaluations subjectives par les patientes et les chirurgiens. Les programmes informatiques peuvent fournir des évaluations plus objectives, mais avec des limites, notamment la nécessité de saisir manuellement les données et de longs temps de calcul.
Les réseaux neuronaux – une technique d’intelligence artificielle qui cherche à imiter la façon dont le cerveau humain traite les données – sont explorés pour leur potentiel à améliorer les soins dans plusieurs domaines de la pratique médicale. Le Dr Kenig et ses collègues ont développé un « réseau neuronal convolutif ad hoc » pour détecter les principales caractéristiques du sein utilisées dans l’évaluation de la symétrie mammaire.
À l’aide d’un algorithme open source appelé YOLOV3 (« You Only Look Once », version 3), les chercheurs ont entraîné leur réseau neuronal à identifier trois caractéristiques anatomiques utilisées pour évaluer la bête femelle : les limites du sein, le complexe mamelon-aréole (mamelon et tissu environnant) et l’échancrure suprasternale (la dépression à la base du cou, au sommet du sternum).
Le réseau neuronal a été formé à l’aide de 200 photographies frontales de patientes ayant subi une chirurgie mammaire. Sa performance dans l’identification des principales caractéristiques du sein a ensuite été testée à l’aide d’un ensemble supplémentaire de 47 photographies de patientes ayant subi une reconstruction mammaire après une chirurgie du cancer du sein.
Potentiel d’évaluation « rapide, automatisée et objective » de la symétrie mammaire
Après la formation, le réseau neuronal s’est avéré très précis dans la localisation des trois caractéristiques, avec un taux de détection total de 97,7 %. Pour les limites mammaires droites et gauches et le complexe mamelon-aréole, la précision était de 100 %. Pour l’incision suprasternale, le taux de détection a chuté à 87 %. Le traitement a été rapide, avec un temps de détection moyen de 0,52 seconde.
Le réseau neuronal a pu détecter et localiser les caractéristiques clés, même dans les reconstructions mammaires visiblement asymétriques. Le taux de réussite élevé a confirmé que l’ensemble de données de formation était suffisant, sans qu’il soit nécessaire de recourir à des techniques d’augmentation des données.
« Les réseaux neuronaux et l’apprentissage automatique ont le potentiel d’améliorer l’évaluation de la symétrie mammaire dans le domaine de la chirurgie plastique, grâce à une détection automatisée et rapide des caractéristiques utilisées par les chirurgiens dans la pratique », concluent le Dr Kenig et ses coauteurs. Ils pensent qu’avec les progrès des capacités de détection d’images et leurs applications à la chirurgie mammaire, les réseaux neuronaux pourraient jouer un rôle dans l’évaluation de la symétrie mammaire et dans la planification de la chirurgie plastique esthétique et reconstructive.
Chirurgie Plastique et Reconstructrice® est publié par Wolters Kluwer.
Cliquez ici pour lire « Identification des caractéristiques clés du sein à l’aide d’un réseau neuronal : applications de l’apprentissage automatique dans le cadre clinique de la chirurgie plastique »
Article : « Identification des caractéristiques clés du sein à l’aide d’un réseau neuronal : applications de l’apprentissage automatique dans le cadre clinique de la chirurgie plastique » (doi : 10.1097/PRS.0000000000010603)
