Et si l'attente angoissante entre une mammographie suspecte et le diagnostic se comptait en heures plutôt qu'en semaines. Des chercheurs de l'université de Californie à San Francisco (UCSF) et de UC Berkeley ont testé un parcours de dépistage du cancer du sein guidé par l'intelligence artificielle. Résultat publié début juin 2026 dans la revue npj Digital Medicine : le délai avant un examen complémentaire passe de plusieurs semaines à environ une heure, et celui avant une biopsie de plus de deux mois à moins de dix jours.

Un parcours de dépistage compressé sur une seule journée

L'expérimentation s'est déroulée au Zuckerberg San Francisco General Hospital, un hôpital public qui prend en charge des populations souvent éloignées du soin. Le principe est simple : au lieu d'envoyer la mammographie dans une file d'attente, un modèle d'IA l'analyse immédiatement après l'examen pour repérer les patientes à plus haut risque. Celles qui sont signalées peuvent enchaîner, le jour même, l'interprétation de leur cliché, une imagerie complémentaire et, si besoin, une biopsie.

Le modèle utilisé s'appelle Mirai. Il a été développé en open source par Adam Yala, et entraîné sur des centaines de milliers de mammographies reliées aux diagnostics de cancer réellement survenus. Avant l'essai, les équipes avaient passé en revue près de 114 000 clichés d'archives pour calibrer l'outil. Pendant l'étude, Mirai a analysé plus de 4 100 mammographies de dépistage et identifié 525 femmes comme étant à haut risque, soit 12,7 % des patientes.

Des semaines de moins sur le chemin du diagnostic

Le gain de temps est l'apport central de l'étude. Dans le parcours classique, une femme dont la mammographie est jugée suspecte doit prendre un nouveau rendez-vous pour des examens approfondis, puis un autre encore pour une éventuelle biopsie. Chaque étape ajoute des jours, parfois des semaines, d'incertitude.

  • Avant l'évaluation diagnostique : de plusieurs semaines à environ une heure.
  • Avant la biopsie, pour les patientes concernées : de plus de deux mois à moins de dix jours.

Dans le cancer du sein, ce raccourcissement compte doublement : il réduit l'angoisse de l'attente et il limite le risque qu'une patiente, faute de disponibilité ou de moyens, ne revienne jamais pour la suite des examens. C'est précisément l'enjeu d'un hôpital public où beaucoup de patientes cumulent les difficultés d'accès aux soins.

L'IA peut être un partenaire de collaboration pour les médecins.

Les auteurs insistent sur ce point. Mirai ne remplace pas le radiologue et ne pose aucun diagnostic à sa place : il agit comme un outil de triage, qui aide à décider quelles patientes faire passer en priorité. La décision médicale reste humaine. L'étude a été menée par la Dre Maggie Chung, première auteure, et Adam Yala, auteur principal, tous deux professeurs assistants dans le programme conjoint UCSF, UC Berkeley de santé de précision computationnelle.

Ce que ça change concrètement

Pour le grand public, cette étude illustre une bascule discrète mais réelle : l'IA n'arrive pas dans l'hôpital pour diagnostiquer à la place du médecin, mais pour fluidifier des parcours de soin engorgés. En réorganisant l'ordre de passage et en compressant les rendez-vous, elle s'attaque à un problème très concret, le temps perdu, qui peut peser sur le pronostic. Reste à confirmer ces résultats sur d'autres sites et d'autres populations avant un déploiement large, mais le signal envoyé aux systèmes de santé est clair : la valeur de l'IA médicale se joue autant dans la logistique que dans la performance brute des modèles.