S'abonner

Applications avancées de la radiomique en sénologie - 17/11/26

Advanced applications of radiomics in breast imaging

Doi : 10.1016/j.femme.2026.09.001 
Caroline Malhaire a, ⁎, b , Jeanne Malécot b, Camelia El Gani a, Owen Boisgontier b, Frédérique Frouin b
a Département d’imagerie médicale, institut Curie, Paris, France 
b Laboratoire d’imagerie, radiothérapie innovante et médecine des systèmes (Iris), institut Curie, Inserm U1353/CNRS UMR 9029, université de Versailles-Saint-Quentin, Versailles, France 

⁎ Auteur correspondant.
Sous presse. Épreuves corrigées par l'auteur. Disponible en ligne depuis le Tuesday 17 November 2026

Résumé

La radiomique consiste à extraire des images médicales un grand nombre de descripteurs quantitatifs (forme, histogramme, texture) analysés par des modèles statistiques ou d’apprentissage automatique. En imagerie mammaire, elle a été appliquée à la caractérisation des lésions et à la prédiction du phénotype tumoral, du statut ganglionnaire axillaire, de la réponse à la chimiothérapie néoadjuvante et de la récidive. Cet article présente les étapes de la chaîne de traitement radiomique, les principaux résultats en mammographie, angiomammographie, échographie et imagerie par résonance magnétique, et les limites qui expliquent l’absence d’outil actuellement disponible en pratique clinique : la répétabilité partielle des descripteurs, la dépendance aux paramètres d’acquisition, le surapprentissage, la validation externe insuffisante.

Le texte complet de cet article est disponible en PDF.

Summary

Radiomics converts images into quantitative descriptors (shape, histogram, texture) analysed with statistical or machine learning models. In breast imaging, it has been applied to lesion characterisation and to the prediction of tumour phenotype, axillary nodal status and response to neoadjuvant chemotherapy. This article introduces the steps of the radiomics pipeline, the main results in mammography, contrast-enhanced mammography, ultrasound and magnetic resonance imaging, and the limitations that explain why no tool has reached clinical practice: partial feature repeatability, dependence on acquisition parameters, overfitting and insufficient external validation.

Le texte complet de cet article est disponible en PDF.

Mots clés : Imagerie mammaire, Radiomique, Apprentissage automatique, Cancer du sein, Imagerie quantitative

Keywords : Breast imaging, Radiomics, Machine learning, Breast cancer, Quantitative imaging


Plan


© 2026  The Authors. Publié par Elsevier Masson SAS. Tous droits réservés.
Ajouter à ma bibliothèque Retirer de ma bibliothèque Imprimer
Export

    Export citations

  • Fichier

  • Contenu

Bienvenue sur EM-consulte, la référence des professionnels de santé.
L’accès au texte intégral de cet article nécessite un abonnement.

Déjà abonné à cette revue ?

Elsevier s'engage à rendre ses eBooks accessibles et à se conformer aux lois applicables. Compte tenu de notre vaste bibliothèque de titres, il existe des cas où rendre un livre électronique entièrement accessible présente des défis uniques et l'inclusion de fonctionnalités complètes pourrait transformer sa nature au point de ne plus servir son objectif principal ou d'entraîner un fardeau disproportionné pour l'éditeur. Par conséquent, l'accessibilité de cet eBook peut être limitée. Voir plus

Mon compte


Plateformes Elsevier Masson

Déclaration CNIL

EM-CONSULTE.COM est déclaré à la CNIL, déclaration n° 1286925.

En application de la loi nº78-17 du 6 janvier 1978 relative à l'informatique, aux fichiers et aux libertés, vous disposez des droits d'opposition (art.26 de la loi), d'accès (art.34 à 38 de la loi), et de rectification (art.36 de la loi) des données vous concernant. Ainsi, vous pouvez exiger que soient rectifiées, complétées, clarifiées, mises à jour ou effacées les informations vous concernant qui sont inexactes, incomplètes, équivoques, périmées ou dont la collecte ou l'utilisation ou la conservation est interdite.
Les informations personnelles concernant les visiteurs de notre site, y compris leur identité, sont confidentielles.
Le responsable du site s'engage sur l'honneur à respecter les conditions légales de confidentialité applicables en France et à ne pas divulguer ces informations à des tiers.


Tout le contenu de ce site: Copyright © 2026 Elsevier, ses concédants de licence et ses contributeurs. Tout les droits sont réservés, y compris ceux relatifs à l'exploration de textes et de données, a la formation en IA et aux technologies similaires. Pour tout contenu en libre accès, les conditions de licence Creative Commons s'appliquent.