LumeRad combine deux modules complémentaires : M2 détecte les lésions présentes (validé sur 1 254 mammographies RSNA), M3 estime le risque futur de cancer du sein, basé sur Mirai/MIT, validé scientifiquement et disponible dans le module LumeRad Mammo Screening.
À partir des incidences standard CC et MLO de chaque sein, LumeRad-M2 fournit deux sorties exploitables par le radiologue en temps réel.
Score de 0 à 1 par sein, calibré sur la cohorte RSNA. Le radiologue conserve la décision clinique finale.
Estimation automatique de la densité mammaire (A, B, C, D) pour orienter le suivi et les modalités complémentaires.
Réception DICOM directe depuis le PACS (port 11112). Restitution des résultats sous forme de GSPS ou de SR DICOM.
Cohorte d'évaluation : 254 cancers confirmés histologiquement + 1 000 mammographies négatives, sélectionnés aléatoirement dans le dataset public RSNA (Kaggle, 2022). Ratio 1:4 reflétant la prévalence en dépistage.
LumeRad-M2 ne remplace pas le radiologue : il pré-traite l'examen avant ouverture pour orienter l'analyse.
Mammographie acquise sur appareil standard (GE, Hologic, Siemens). DICOM envoyé au PACS comme habituellement.
LumeRad-M2 reçoit l'examen en DICOM, l'analyse en ~4 secondes par sein, et stocke les résultats.
À l'ouverture de l'examen, le radiologue voit la prédiction IA superposée. Aucune conclusion n'est pré-rédigée.
Le radiologue valide ou amende son compte-rendu. Signature RPPS + hash SHA-256 verrouillent le dossier final.
L'IA fournit uniquement détection et visualisation. Aucun compte-rendu n'est exporté sans signature RPPS du radiologue.
Chaque examen est verrouillé par un hash cryptographique signé HMAC. Audit trail PostgreSQL conforme aux exigences DPO.
Inférence locale (CUDA GPU). Aucune donnée patient ne quitte l'établissement. Compatible déploiement HDS.
Intégration via DICOMweb (INFINITT) et HL7 ORU^R01 (EDL Xplore). Pas d'éditeur propriétaire imposé.
Tous les benchmarks utilisent des datasets publics (RSNA, CBIS-DDSM). Méthodologie versionnée sur Git, seed fixée.
Aucun modèle n'est mis à jour silencieusement. Chaque version embarque un identifiant tracé dans le compte-rendu.
M3 s'appuie sur le modèle Mirai (MIT / Massachusetts General Hospital), publié dans Science Translational Medicine en 2021, et intégré dans l'architecture LumeRad Mammo Screening. Les performances présentées ci-dessous proviennent des publications originales et des validations externes disponibles.
AUC 0.76 (MGH, USA) · 0.78 (Karolinska, Suède) · 0.79 (CGMH, Taïwan). Validation multi-centrique sur 3 continents.1
Identifie 41.5% des futurs cas de cancer comme à haut risque, contre 22.9% pour le score Tyrer-Cuzick standard.1
M2 détecte les lésions présentes maintenant. M3 estime le risque futur. Les deux signaux orientent ensemble la stratégie de suivi (rythme, échographie, IRM).
Le module est disponible pour évaluation et démonstration, avec interprétation finale réservée au radiologue et validation locale recommandée avant tout usage clinique.
Note importante. Les validations externes ultérieures de Mirai ont produit des résultats hétérogènes selon les populations et les équipements (C-index 0.63 sur cohorte mexicaine,2 0.62-0.71 sur cohorte UK3). LumeRad-M3 ne sera mis à disposition qu'après validation prospective sur la population et les appareils du centre déployé. Les chiffres ci-dessus n'engagent pas la performance attendue chez vous.
1 Yala A, Mikhael PG, Strand F, et al. Toward robust mammography-based models for breast cancer risk. Sci Transl Med. 2021;13(578):eaba4373.
2 Avendano D, Marino MA, Bosques-Palomo BA, et al. Validation of the Mirai model for predicting breast cancer risk in Mexican women. Insights Imaging. 2024;15:248.
3 Arasu VA, Habel LA, Achacoso NS, et al. Evaluation of an AI Model to Assess Future Breast Cancer Risk. Radiology. 2023;307(5):e222679.
Pour les groupes d'imagerie et services hospitaliers intéressés par un déploiement pilote en mode shadow (sans impact sur le flux clinique).
Demander une démonstration Lire le rapport scientifique