Un réseau neuronal nouvellement développé identifie avec une grande précision les repères importants pour la chirurgie mammaire, ouvrant ainsi la voie à une évaluation objective de la symétrie mammaire, selon une étude publiée dans le numéro de février de Chirurgie plastique et reconstructive®, 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 mammaire reconstructive et esthétique et de permettre une reconnaissance rapide et automatisée des caractéristiques utilisée par les chirurgiens plasticiens.
Nitzan Kenig, MD, auteur principal de l’hôpital universitaire d’Albacete, Espagne
Développement de réseaux neuronaux pour une évaluation objective des seins
La symétrie mammaire est une préoccupation centrale en chirurgie mammaire et est généralement évaluée au moyen 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 conçue pour imiter la façon dont le cerveau humain traite les données – sont étudiés pour leur potentiel à améliorer les soins dans divers domaines de la pratique médicale. Dr. Kenig et ses collègues ont développé un « réseau neuronal convolutif ad hoc » pour détecter les principales caractéristiques mammaires 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 l’animal femelle : les limites du sein, le mamelon et le complexe aréolaire (mamelon et aréole). …). 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 photos frontales de patientes ayant subi une chirurgie mammaire. Sa performance dans l’identification des caractéristiques clés du sein a ensuite été testée à l’aide d’un ensemble supplémentaire de 47 photos 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 formation, le réseau neuronal a pu localiser les trois caractéristiques avec une grande précision avec un taux de reconnaissance global de 97,7 %. Pour les bords mammaires droit et gauche et le complexe mamelon-aréole, la précision était de 100 %. Pour l’incision suprasternale, le taux de détection est tombé 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 et qu’aucune technique d’augmentation des données n’était requise.
“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 en reconnaissant automatiquement et rapidement les caractéristiques utilisées par les chirurgiens dans la pratique”, conclut le Dr. Kenig et ses co-auteurs. Ils pensent qu’avec les progrès des capacités de reconnaissance d’images et leurs applications en 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.