Le délai médian avant biopsie est passé de 64 à 9 jours chez les patientes orientées vers cette filière accélérée, selon une étude* publiée le 18 mai dans npj Digital Medicine.

Dans de nombreux programmes de dépistage du cancer du sein, toutes les femmes suivent globalement le même parcours après une mammographie de routine, alors que leur risque réel de développer un cancer varie fortement. Cette approche uniforme peut conduire à mobiliser les mêmes ressources pour des patientes présentant des niveaux de risque très différents, alors même que les capacités diagnostiques (consultations spécialisées, imagerie complémentaire ou biopsies) restent limitées.

Plusieurs équipes travaillent donc sur des outils capables de mieux hiérarchiser les patientes afin de concentrer les examens les plus rapides sur celles qui ont le plus de chances de développer un cancer.

Intégrer l’IA dans un parcours de dépistage du cancer

C’est dans cette logique que s’inscrit Mirai, un modèle d’intelligence artificielle développé par le MIT pour estimer le risque futur de cancer du sein à partir d’une mammographie. Afin d’évaluer sa plus-value, des chercheurs intégré ce score de risque dans l’organisation des soins afin de savoir s’il pouvait accélérer l’accès aux examens diagnostiques chez les femmes identifiées comme les plus à risque.

Les chercheurs ont testé leur approche au Zuckerberg San Francisco General Hospital, un hôpital public qui accueille une population souvent éloignée du système de soins. Après une mammographie de dépistage, les femmes identifiées comme les plus à risque étaient orientées vers un circuit accéléré leur permettant d’enchaîner rapidement les différentes étapes du diagnostic, parfois au cours d’une même journée, au lieu d’attendre plusieurs semaines entre chaque rendez-vous.

Au total, quelque 4 145 mammographies ont été analysées. Parmi les femmes identifiées comme les plus à risque, 100 ont accepté d’intégrer ce circuit accéléré. Les chercheurs ont ensuite comparé leurs délais d’accès aux examens complémentaires et aux biopsies avec ceux observés chez des patientes comparables suivies selon l’organisation habituelle du dépistage.

Les résultats de leur étude ont été publiés le 18 mai dans npj Digital Medicine.

Résultats : le délai avant biopsie divisé par sept

• 525 femmes (12,7 %) ont été identifiées comme présentant le risque le plus élevé et contactées pour rejoindre le programme accéléré.
• 100 femmes ont accepté d’intégrer ce parcours prioritaire.
• 78 % des participantes appartenaient à des minorités raciales ou ethniques.
• 17 % n’avaient pas d’assurance maladie.
• 94 % des participantes ont obtenu une interprétation de leur mammographie le jour même.
• 26 patientes ont bénéficié d’une évaluation diagnostique le jour même de leur mammographie.
• 9 jours, c’était le délai médian avant biopsie dans le programme accéléré, contre 64 jours dans le parcours habituel.
• 1 heure : délai médian avant évaluation diagnostique, contre plusieurs semaines dans le parcours standard.

Si les délais sont nettement raccourcis, l’intérêt de cette expérimentation ne réside pas seulement là-dessus. Un parcours accéléré permet logiquement d’obtenir plus vite une biopsie ou des examens complémentaires. La question est ailleurs : une IA peut-elle aider à identifier les patientes qui doivent bénéficier en priorité de ces ressources ? Les résultats suggèrent que cette approche est réalisable dans les conditions réelles d’un hôpital public accueillant une population diverse et souvent confrontée à des difficultés d’accès aux soins. Les auteurs estiment ainsi avoir démontré la « faisabilité d’un programme de dépistage guidé par l’IA » dans ce contexte particulier.

Trier avec l’IA pour l’améliorer l’équité des soins

Cette étude illustre aussi une évolution du rôle de l’IA en médecine. Pendant des années, les chercheurs ont surtout cherché à montrer que les algorithmes pouvaient lire les images médicales aussi bien, voire mieux, que les spécialistes. Une nouvelle génération de travaux s’intéresse davantage à l’organisation des soins. L’objectif n’est plus seulement de détecter une anomalie, mais d’aider à orienter les patients et à allouer des ressources limitées. Les auteurs soulignent d’ailleurs que leur travail montre comment l’IA peut être utilisée pour « améliorer l’équité et l’efficacité des soins » au-delà de ses seules performances diagnostiques. Reste à savoir si cette stratégie permettra de diagnostiquer les cancers plus tôt et d’améliorer, à terme, le pronostic des patientes. https://www.nature.com/articles/s41746-026-02743-x

* Prospective deployment of AI-based risk stratification to enable expedited mammography workflow in a safety-net setting.

Chung, M., Davis, E., Greenwood, H. et al.

npj Digit. Med. (2026).