" Les liens entre le cancer du sein et les maladies cardiovasculaires sont si étroits que les femmes devraient se faire tester pour les deux en même temps." Dre Michele Turek, cardiologue à L’Hôpital d’Ottawa et à l’Institut de cardiologie de l’Université d’Ottawa

Contexte

Le risque cardiovasculaire est sous-estimé chez les femmes. De nombreuses femmes subissent une mammographie de dépistage vers l'âge mûr, période où le risque de maladie cardiovasculaire augmente. Des caractéristiques mammographiques telles que la calcification artérielle mammaire et la densité tissulaire sont associées au risque cardiovasculaire. Nous avons développé et testé un algorithme d'apprentissage profond pour la prédiction du risque cardiovasculaire à partir d'images mammographiques de routine.

Méthodes 

Lifepool est une cohorte de femmes ayant subi au moins une mammographie de dépistage, reliée aux bases de données d’hospitalisation et de décès. Un modèle d’apprentissage profond basé sur l’architecture DeepSurv a été développé pour prédire les événements cardiovasculaires majeurs à partir des images mammographiques. Les performances du modèle ont été comparées à celles des modèles standards de prédiction du risque à l’aide de l’indice de concordance, comparé à la statistique C de Harrells.

Résultats

49 196 femmes ont été incluses, avec un suivi médian de 8,8 ans (IQR 7,7-10,6), parmi lesquelles 3 392 ont présenté un premier événement cardiovasculaire majeur.

Le modèle DeepSurv, utilisant les caractéristiques de la mammographie et l'âge des participantes, avait un indice de concordance de 0,72 (IC à 95 % : 0,71 à 0,73). Ses performances étaient semblables aux modèles modernes intégrant l'âge et les variables cliniques, notamment l'outil néo-zélandais « PREDICT » et les équations « PREVENT » de l'American Heart Association.

Conclusions

 Un algorithme d’apprentissage profond basé uniquement sur les caractéristiques mammographiques et le risque cardiovasculaire prédit par l’âge, avec des performances comparables aux équations traditionnelles de ce risque. L’évaluation du risque établie sur la mammographie pourrait offrir une nouvelle opportunité d’améliorer le dépistage du risque cardiovasculaire chez les femmes.

Ce que l'on savait déjà sur le sujet

⇒ Les outils de dépistage cardiovasculaire sont peu utilisés chez les femmes, l'OMS présente la nécessité d'approches innovantes pour la prédiction du risque cardiovasculaire.
⇒ Des algorithmes fondés sur la calcification artérielle mammaire (CAM) visible sur les mammographies ont été développés pour la prédiction du risque cardiovasculaire ; Cependant, l'utilisation de la seule CAM présente des limites en tant qu'outil de prédiction.

Ce que cette étude apporte

⇒ Il s'agit du premier modèle d'apprentissage profond (deep learning) intégrant l'ensemble des caractéristiques et de l'architecture mammaires issues des mammographies de dépistage de routine, plutôt que la seule CAM, pour développer un outil de prédiction du risque d'événements cardiovasculaires majeurs.

Comment cette étude pourrait influencer la recherche, la pratique ou les politiques

⇒ L'impact potentiel de cette recherche réside dans l'utilisation des infrastructures et circuits de dépistage mammographique déjà existants chez les femmes pour prédire simultanément le risque cardiovasculaire, grâce à un processus automatisé « deux en un ».

RESUME GENERATIF

DÉCRYPTAGE (PERPLEXITY/IA)

Une nouvelle étude publiée en septembre 2025 démontre qu'un algorithme d'intelligence artificielle basé sur l'analyse de mammographies de dépistage peut prédire le risque d'événements cardiovasculaires chez la femme avec une précision comparable aux scores traditionnels, et ce grâce à uniquement les images et l'âge.

Méthodologie et innovation

L'algorithme de deep learning repose sur la structure complète du sein ("breast architecture") visible sur la mammographie, intégrant la densité tissulaire et les calcifications artérielles mammaires, éléments déjà associés au risque cardiovasculaire mais jusque-là sous-exploités. Les chercheurs ont entraîné leur modèle sur les données de 49 196 femmes australiennes suivies en moyenne sur 8,8 ans, dont 3392 ont eu un premier évènement cardiovasculaire majeur (infarctus du myocarde, AVC, insuffisance cardiaque…).

Performance et comparaison

La performance du modèle (C-index 0,72 ; IC 0,71-0,73) est équivalente à celle des outils classiques "PREDICT" de Nouvelle-Zélande ou "PREVENT" de l'American Heart Association, qui nécessitaient des paramètres cliniques et biologiques supplémentaires. L'un des points forts est l'utilisation de données déjà recueillies lors du dépistage du cancer du sein, ce qui permet de l'effectuer "deux-en-un" sans charge logistique additionnelle ni recueil laborieux d'antécédents médicaux.

Impact clinique et perspectives

Cette stratégie optimise l'infrastructure de santé existante et vise une meilleure identification des femmes à risque, souvent sous-diagnostiquées et sous-traitées pour la maladie cardiovasculaire, cause de mortalité majeure féminine. Les auteurs préconisent la validation sur d'autres populations et pratiques de dépistage pour généraliser ce modèle, qui pourrait transformer les politiques de prévention et de suivi.

Points clés

• L'IA détecte le risque cardiovasculaire à partir de mammographies et de l'âge, pas d'analyses biologiques.

• Précision équivalente aux scores traditionnels établis sur les facteurs de risque classiques.

• Permet un dépistage "2-en-1" (cancer du sein + risque cardiaque) au moment où ce dernier s'accroît.

• Potentiel fort d'amélioration des stratégies de prévention chez la femme.

Cette étude ouvre la voie à un dépistage cardiovasculaire opportuniste à grande échelle, parfaitement adapté à la médecine préventive moderne et à l'utilisation rationnelle de l'intelligence artificielle clinique.

Concernant la question spécifique du risque cardiovasculaire en cas de découverte d'un cancer du sein, les sources consultées indiquent que l'étude considère les mammographies comme un moyen conjoint de dépistage du cancer du sein et d'évaluation du risque cardiovasculaire, mais elles ne mentionnent pas directement que la découverte d'un cancer du sein durant la mammographie augmente intrinsèquement le risque cardiovasculaire. Le modèle s'appuie sur des caractéristiques mammaires telles que la calcification artérielle mammaire et la densité tissulaire. Cependant, le cancer en soi n'est pas rapporté comme un facteur augmentant automatique le risque cardiovasculaire dans cette étude.

Ainsi, le risque cardiovasculaire prédit par ce modèle ne semble pas être spécifiquement majoré en cas de détection d'un cancer du sein lors de la mammographie. Cependant, il est lié aux caractéristiques mammaires et à l'âge qui peuvent être associés à un profil de risque cardiovasculaire.

Le cancer du sein et les maladies cardiovasculaires : des liens surprenants
https://www.ottawaheart.ca/fr/the-beat/nouvelles/le-cancer-du-sein-et-les-maladies-cardiovasculaires-des-liens-surprenants#:~:text=Selon%20des%20donn%C3%A9es%20de%202011,plus%20vuln%C3%A9rables%20aux%20maladies%20cardiovasculaires.