Le dépistage du cancer du sein entre dans une nouvelle phase technologique. De grandes études internationales confirment que l'intelligence artificielle améliore significativement la précision des diagnostics réalisés par mammographie et IRM, ouvrant la voie à une détection plus précoce et plus fiable. L'essai suédois MASAI, mené sur plus de 100 000 femmes et publié dans The Lancet, constitue une référence majeure. Les résultats montrent que l'IA, utilisée comme outil d'assistance aux radiologues, permet de détecter davantage de cancers que la double lecture humaine traditionnelle. Plus encore, elle réduit de 12 % les cancers dits "d'intervalle", ces formes agressives qui apparaissent entre deux examens de dépistage et traduisent souvent un échec de détection initial. Concrètement, l'IA agit comme un second regard ultra-performant. Grâce à l'analyse approfondie des données d'imagerie, elle identifie des anomalies subtiles susceptibles d'échapper à l'œil humain. Certaines études indiquent une amélioration notable de la spécificité diagnostique, avec une réduction des faux positifs pouvant atteindre plus de 25 %. Résultat : moins de biopsies inutiles, moins d'examens complémentaires anxiogènes et un parcours de soin allégé pour les patientes. D'autres recherches, notamment en Corée du Sud avec l'essai AI-STREAM, confirment cette tendance. L'intégration de l'IA a permis d'augmenter le taux de détection sans accroître le nombre de rappels inutiles, démontrant que performance et prudence peuvent aller de pair. Malgré ces avancées, des défis subsistent. La confiance du public reste un enjeu central : une part importante des patientes souhaite encore qu'un radiologue valide systématiquement les résultats fournis par l'algorithme. Par ailleurs, les questions de financement et de remboursement freinent l'adoption massive de ces technologies dans certains systèmes de santé. Loin de remplacer les radiologues, l'intelligence artificielle s'impose comme un outil d'assistance stratégique. Elle contribue à standardiser la qualité des diagnostics, à réduire la variabilité d'interprétation et à optimiser la charge de travail des spécialistes. L'enjeu désormais consiste à intégrer ces innovations dans les pratiques courantes afin de démocratiser une détection plus précoce et potentiellement salvatrice.
