{"id":4800,"date":"2020-05-18T19:47:24","date_gmt":"2020-05-18T19:47:24","guid":{"rendered":"https:\/\/wordpress-theme.spider-themes.net\/docly\/docs\/gullu-knowledge-base\/changes-log\/deleniti-recusandae-dignissimos\/"},"modified":"2026-07-23T10:33:23","modified_gmt":"2026-07-23T10:33:23","slug":"deleniti-recusandae-dignissimos","status":"publish","type":"docs","link":"https:\/\/sahellib.org\/index.php\/docs\/gullu-knowledge-base\/changes-log\/deleniti-recusandae-dignissimos\/","title":{"rendered":"Le r\u00f4le de l’IA pour une meilleure prise en charge du cancer du sein\u00a0: am\u00e9lioration du diagnostic et r\u00e9duction des in\u00e9galit\u00e9s en mati\u00e8re de sant\u00e9"},"content":{"rendered":"\n

R\u00e9sum\u00e9<\/sup><\/h2>\n\n\n\n

Le cancer du sein demeure le cancer le plus fr\u00e9quemment diagnostiqu\u00e9 et la premi\u00e8re cause de mortalit\u00e9 par cancer chez les femmes \u00e0 l’\u00e9chelle mondiale.<\/sup> L’int\u00e9gration croissante de l’intelligence artificielle (IA) et du deep learning en imagerie m\u00e9dicale offre des perspectives r\u00e9volutionnaires pour l’optimisation des parcours de soins. Cet article examine comment l’IA am\u00e9liore la pr\u00e9cision diagnostique, acc\u00e9l\u00e8re la d\u00e9tection pr\u00e9coce et contribue \u00e0 att\u00e9nuer les disparit\u00e9s d’acc\u00e8s aux soins de sant\u00e9 entre les diff\u00e9rentes r\u00e9gions et populations.<\/sup><\/p>\n\n\n\n

1. Introduction<\/h2>\n\n\n\n

Le diagnostic pr\u00e9coce du cancer du sein est le facteur cl\u00e9 pour maximiser les taux de survie, qui peuvent d\u00e9passer 80 \u00e0 90 % lorsque la maladie est prise en charge \u00e0 un stade pr\u00e9coce. Cependant, les m\u00e9thodes de d\u00e9pistage traditionnelles bas\u00e9es sur la mammographie souffrent de limites structurelles : taux de faux n\u00e9gatifs dus \u00e0 des tissus denses, fatigue des radiologues, et p\u00e9nurie chronique de sp\u00e9cialistes dans les r\u00e9gions sous-desservies.<\/sup><\/p>\n\n\n\n

L’intelligence artificielle, \u00e0 travers des algorithmes d’apprentissage profond (deep learning<\/em>), s’impose comme un outil d’augmentation des capacit\u00e9s cliniques.<\/sup> Au-del\u00e0 de la simple performance technologique, son d\u00e9ploiement pose la question de son impact \u00e9thique et social sur la r\u00e9duction des in\u00e9galit\u00e9s de sant\u00e9.<\/p>\n\n\n\n

2. Am\u00e9lioration du diagnostic et de la pr\u00e9cision clinique<\/h2>\n\n\n\n

2.1. R\u00e9duction des faux n\u00e9gatifs et des faux positifs<\/h3>\n\n\n\n

Les \u00e9tudes cliniques r\u00e9centes, telles que l’essai randomis\u00e9 MASAI (Mammography Screening with Artificial Intelligence<\/em>), d\u00e9montrent que l’utilisation de l’IA comme soutien \u00e0 la lecture des mammographies augmente significativement le taux de d\u00e9tection du cancer (de l’ordre de 10 %) tout en r\u00e9duisant la charge de travail des radiologues.<\/sup><\/p>\n\n\n\n

    \n
  • D\u00e9tection pr\u00e9coce :<\/strong> L’IA rep\u00e8re des micro-calcifications subtiles et des architectures tissulaires anormales qui \u00e9chappent parfois \u00e0 l’\u0153il humain lors d’un premier screening.<\/li>\n\n\n\n
  • Diminution des biopsies superflues :<\/strong> En affinant la caract\u00e9risation des l\u00e9sions b\u00e9nignes et malignes, les mod\u00e8les d’IA contribuent \u00e0 r\u00e9duire les faux positifs, \u00e9pargnant ainsi aux patientes un stress psychologique inutile et des examens invasifs superflus.<\/li>\n<\/ul>\n\n\n\n

    2.2. Stratification du risque et m\u00e9decine personnalis\u00e9e<\/sup><\/h3>\n\n\n\n

    L’IA permet de passer d’un mod\u00e8le de d\u00e9pistage universel (bas\u00e9 uniquement sur l’\u00e2ge) \u00e0 un d\u00e9pistage personnalis\u00e9 fond\u00e9 sur le risque individuel.<\/sup> Des outils bas\u00e9s sur l’IA \u00e9valuent la densit\u00e9 mammaire et l’historique des patientes pour pr\u00e9dire le risque de d\u00e9velopper un cancer \u00e0 court ou moyen terme, modulant ainsi les fr\u00e9quences de surveillance et les examens compl\u00e9mentaires (IRM, \u00e9chographies).<\/sup><\/p>\n\n\n\n

    3. R\u00e9duction des in\u00e9galit\u00e9s en mati\u00e8re de sant\u00e9<\/h2>\n\n\n\n

    3.1. Compensation de la p\u00e9nurie de sp\u00e9cialistes dans les d\u00e9serts m\u00e9dicaux<\/h3>\n\n\n\n

    Dans de nombreuses r\u00e9gions du monde (zones rurales, pays \u00e0 revenu faible ou interm\u00e9diaire), l’acc\u00e8s \u00e0 un radiologue qualifi\u00e9 est extr\u00eamement limit\u00e9.<\/p>\n\n\n\n

      \n
    • Les solutions d’IA portables ou int\u00e9gr\u00e9es \u00e0 des \u00e9quipements d’imagerie d\u00e9centralis\u00e9s permettent une pr\u00e9-analyse instantan\u00e9e des clich\u00e9s.<\/li>\n\n\n\n
    • Elles agissent comme un filtre de triage, identifiant en priorit\u00e9 les cas suspects n\u00e9cessitant une \u00e9vacuation ou une consultation sp\u00e9cialis\u00e9e urgente, r\u00e9duisant ainsi les d\u00e9lais de prise en charge (qui peuvent passer de plusieurs mois \u00e0 quelques jours).<\/li>\n<\/ul>\n\n\n\n

      3.2. Vers une \u00e9quit\u00e9 d’acc\u00e8s globale<\/h3>\n\n\n\n

      Bien que les algorithmes soient historiquement entra\u00een\u00e9s sur des populations occidentales \u2014 ce qui pose un risque de biais algorithmique \u2014, les efforts actuels de recherche se concentrent sur la diversification des bases de donn\u00e9es d’entra\u00eenement. Rendre l’IA interop\u00e9rable et robuste face \u00e0 la diversit\u00e9 morphologique et g\u00e9n\u00e9tique des patientes \u00e0 l’\u00e9chelle mondiale est un imp\u00e9ratif pour garantir que les b\u00e9n\u00e9fices de la technologie profitent de mani\u00e8re \u00e9quitable aux populations vuln\u00e9rables.<\/p>\n\n\n\n

      4. D\u00e9fis et perspectives<\/h2>\n\n\n\n

      Malgr\u00e9 des r\u00e9sultats cliniques prometteurs, l’int\u00e9gration de l’IA en pratique quotidienne se heurte \u00e0 plusieurs obstacles :<\/p>\n\n\n\n

        \n
      • L’acceptabilit\u00e9 et l’\u00e9thique :<\/strong> L’IA doit \u00eatre per\u00e7ue comme un copilote (\u00ab second lecteur \u00bb) et non comme un substitut au jugement m\u00e9dical du clinicien.<\/li>\n\n\n\n
      • La cybers\u00e9curit\u00e9 et la confidentialit\u00e9 :<\/strong> La manipulation de donn\u00e9es de sant\u00e9 massives requiert des cadres r\u00e9glementaires stricts (comme le RGPD en Europe).<\/li>\n\n\n\n
      • La validation prospective :<\/strong> D’autres essais cliniques \u00e0 large \u00e9chelle en conditions r\u00e9elles sont indispensables pour valider la robustesse \u00e9conomique et sanitaire des solutions logicielles.<\/li>\n<\/ul>\n\n\n\n

        5. Conclusion<\/h2>\n\n\n\n

        L’intelligence artificielle repr\u00e9sente un tournant paradigmatique dans la lutte contre le cancer du sein. En augmentant la pr\u00e9cision diagnostique des radiologues et en facilitant l’acc\u00e8s \u00e0 des diagnostics rapides dans les zones sous-dot\u00e9es, elle offre l’opportunit\u00e9 de concilier excellence m\u00e9dicale et justice sociale.<\/sup> Pour que cette promesse devienne une r\u00e9alit\u00e9 universelle, la recherche future devra s’attacher \u00e0 concevoir des algorithmes inclusifs, transparents et int\u00e9gr\u00e9s harmonieusement dans les syst\u00e8mes de sant\u00e9 publique.<\/p>\n\n\n\n

        R\u00e9f\u00e9rences scientifiques et institutionnelles<\/h2>\n\n\n\n
          \n
        1. L\u00e5ng, K. et al. (2023).<\/strong> Artificial intelligence-supported screen reading versus standard double reading in the Mammography Screening with Artificial Intelligence trial (MASAI): a clinical safety analysis of a randomised, controlled, non-inferiority, single-blinded, screening accuracy study.<\/em> The Lancet Oncology, 24(8), 936-944.<\/li>\n\n\n\n
        2. University of California – San Francisco (2026).<\/strong> AI helps accelerate breast cancer diagnosis for high-risk women.<\/em> Article prospectif sur le d\u00e9ploiement de mod\u00e8les de stratification des risques (ex: mod\u00e8le Mirai).<\/li>\n\n\n\n
        3. Globocan \/ OMS (2024-2026).<\/strong> Donn\u00e9es \u00e9pid\u00e9miologiques prospectives sur la charge mondiale du cancer du sein et les disparit\u00e9s de mortalit\u00e9 selon l’Indice de D\u00e9veloppement Humain (IDH).<\/li>\n\n\n\n
        4. MDPI – Cancers (2025).<\/strong> Harnessing Artificial Intelligence to Enhance Global Breast Cancer Care: A Scoping Review of Applications, Outcomes, and Challenges.<\/em> Revue syst\u00e9matique sur l’impact de l’IA face aux disparit\u00e9s mondiales.<\/li>\n\n\n\n
        5. Soci\u00e9t\u00e9 Fran\u00e7aise de Radiologie (SFR) & Institut Curie (2023-2025).<\/strong> Rapports sur l’\u00e9valuation de l’intelligence artificielle en imagerie du sein et perspectives des essais cliniques en cours (ex: \u00e9tude MyPeBS).<\/li>\n<\/ol>\n","protected":false},"excerpt":{"rendered":"

          R\u00e9sum\u00e9 Le cancer du sein demeure le cancer le plus fr\u00e9quemment diagnostiqu\u00e9 et la premi\u00e8re cause de mortalit\u00e9 par cancer chez les femmes \u00e0 l’\u00e9chelle mondiale. L’int\u00e9gration croissante de l’intelligence artificielle (IA) et du deep learning en imagerie m\u00e9dicale offre des perspectives r\u00e9volutionnaires pour l’optimisation des parcours de soins. Cet article examine comment l’IA am\u00e9liore […]<\/p>\n","protected":false},"author":1,"featured_media":0,"parent":2348,"menu_order":26,"comment_status":"open","ping_status":"closed","template":"","doc_tag":[],"class_list":["post-4800","docs","type-docs","status-publish","hentry","no-post-thumbnail"],"acf":[],"yoast_head":"\nLe r\u00f4le de l'IA pour une meilleure prise en charge du cancer du sein\u00a0: am\u00e9lioration du diagnostic et r\u00e9duction des in\u00e9galit\u00e9s en mati\u00e8re de sant\u00e9 - Sahel lib<\/title>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/sahellib.org\/index.php\/docs\/gullu-knowledge-base\/changes-log\/deleniti-recusandae-dignissimos\/\" \/>\n<meta property=\"og:locale\" content=\"fr_FR\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"Le r\u00f4le de l'IA pour une meilleure prise en charge du cancer du sein\u00a0: am\u00e9lioration du diagnostic et r\u00e9duction des in\u00e9galit\u00e9s en mati\u00e8re de sant\u00e9 - Sahel lib\" \/>\n<meta property=\"og:description\" content=\"R\u00e9sum\u00e9 Le cancer du sein demeure le cancer le plus fr\u00e9quemment diagnostiqu\u00e9 et la premi\u00e8re cause de mortalit\u00e9 par cancer chez les femmes \u00e0 l’\u00e9chelle mondiale. L’int\u00e9gration croissante de l’intelligence artificielle (IA) et du deep learning en imagerie m\u00e9dicale offre des perspectives r\u00e9volutionnaires pour l’optimisation des parcours de soins. Cet article examine comment l’IA am\u00e9liore […]\" \/>\n<meta property=\"og:url\" content=\"https:\/\/sahellib.org\/index.php\/docs\/gullu-knowledge-base\/changes-log\/deleniti-recusandae-dignissimos\/\" \/>\n<meta property=\"og:site_name\" content=\"Sahel lib\" \/>\n<meta property=\"article:modified_time\" content=\"2026-07-23T10:33:23+00:00\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:label1\" content=\"Dur\u00e9e de lecture estim\u00e9e\" \/>\n\t<meta name=\"twitter:data1\" content=\"5 minutes\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\\\/\\\/schema.org\",\"@graph\":[{\"@type\":\"WebPage\",\"@id\":\"https:\\\/\\\/sahellib.org\\\/index.php\\\/docs\\\/gullu-knowledge-base\\\/changes-log\\\/deleniti-recusandae-dignissimos\\\/\",\"url\":\"https:\\\/\\\/sahellib.org\\\/index.php\\\/docs\\\/gullu-knowledge-base\\\/changes-log\\\/deleniti-recusandae-dignissimos\\\/\",\"name\":\"Le r\u00f4le de l'IA pour une meilleure prise en charge du cancer du sein\u00a0: am\u00e9lioration du diagnostic et r\u00e9duction des in\u00e9galit\u00e9s en mati\u00e8re de sant\u00e9 - Sahel lib\",\"isPartOf\":{\"@id\":\"https:\\\/\\\/sahellib.org\\\/#website\"},\"datePublished\":\"2020-05-18T19:47:24+00:00\",\"dateModified\":\"2026-07-23T10:33:23+00:00\",\"breadcrumb\":{\"@id\":\"https:\\\/\\\/sahellib.org\\\/index.php\\\/docs\\\/gullu-knowledge-base\\\/changes-log\\\/deleniti-recusandae-dignissimos\\\/#breadcrumb\"},\"inLanguage\":\"fr-FR\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\\\/\\\/sahellib.org\\\/index.php\\\/docs\\\/gullu-knowledge-base\\\/changes-log\\\/deleniti-recusandae-dignissimos\\\/\"]}]},{\"@type\":\"BreadcrumbList\",\"@id\":\"https:\\\/\\\/sahellib.org\\\/index.php\\\/docs\\\/gullu-knowledge-base\\\/changes-log\\\/deleniti-recusandae-dignissimos\\\/#breadcrumb\",\"itemListElement\":[{\"@type\":\"ListItem\",\"position\":1,\"name\":\"Accueil\",\"item\":\"https:\\\/\\\/sahellib.org\\\/\"},{\"@type\":\"ListItem\",\"position\":2,\"name\":\"Intelligence Artificielle\",\"item\":\"https:\\\/\\\/sahellib.org\\\/index.php\\\/docs\\\/gullu-knowledge-base\\\/\"},{\"@type\":\"ListItem\",\"position\":3,\"name\":\"L’IA pour la sant\u00e9\",\"item\":\"https:\\\/\\\/sahellib.org\\\/index.php\\\/docs\\\/gullu-knowledge-base\\\/changes-log\\\/\"},{\"@type\":\"ListItem\",\"position\":4,\"name\":\"Le r\u00f4le de l’IA pour une meilleure prise en charge du cancer du sein\u00a0: am\u00e9lioration du diagnostic et r\u00e9duction des in\u00e9galit\u00e9s en mati\u00e8re de sant\u00e9\"}]},{\"@type\":\"WebSite\",\"@id\":\"https:\\\/\\\/sahellib.org\\\/#website\",\"url\":\"https:\\\/\\\/sahellib.org\\\/\",\"name\":\"Sahel lib\",\"description\":\"\",\"publisher\":{\"@id\":\"https:\\\/\\\/sahellib.org\\\/#organization\"},\"potentialAction\":[{\"@type\":\"SearchAction\",\"target\":{\"@type\":\"EntryPoint\",\"urlTemplate\":\"https:\\\/\\\/sahellib.org\\\/?s={search_term_string}\"},\"query-input\":{\"@type\":\"PropertyValueSpecification\",\"valueRequired\":true,\"valueName\":\"search_term_string\"}}],\"inLanguage\":\"fr-FR\"},{\"@type\":\"Organization\",\"@id\":\"https:\\\/\\\/sahellib.org\\\/#organization\",\"name\":\"Sahel lib\",\"url\":\"https:\\\/\\\/sahellib.org\\\/\",\"logo\":{\"@type\":\"ImageObject\",\"inLanguage\":\"fr-FR\",\"@id\":\"https:\\\/\\\/sahellib.org\\\/#\\\/schema\\\/logo\\\/image\\\/\",\"url\":\"https:\\\/\\\/sahellib.org\\\/wp-content\\\/uploads\\\/2025\\\/12\\\/Logo-Sahel-Lib.png\",\"contentUrl\":\"https:\\\/\\\/sahellib.org\\\/wp-content\\\/uploads\\\/2025\\\/12\\\/Logo-Sahel-Lib.png\",\"width\":687,\"height\":340,\"caption\":\"Sahel lib\"},\"image\":{\"@id\":\"https:\\\/\\\/sahellib.org\\\/#\\\/schema\\\/logo\\\/image\\\/\"}}]}<\/script>\n<!-- \/ Yoast SEO plugin. -->","yoast_head_json":{"title":"Le r\u00f4le de l'IA pour une meilleure prise en charge du cancer du sein\u00a0: am\u00e9lioration du diagnostic et r\u00e9duction des in\u00e9galit\u00e9s en mati\u00e8re de sant\u00e9 - Sahel lib","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/sahellib.org\/index.php\/docs\/gullu-knowledge-base\/changes-log\/deleniti-recusandae-dignissimos\/","og_locale":"fr_FR","og_type":"article","og_title":"Le r\u00f4le de l'IA pour une meilleure prise en charge du cancer du sein\u00a0: am\u00e9lioration du diagnostic et r\u00e9duction des in\u00e9galit\u00e9s en mati\u00e8re de sant\u00e9 - Sahel lib","og_description":"R\u00e9sum\u00e9 Le cancer du sein demeure le cancer le plus fr\u00e9quemment diagnostiqu\u00e9 et la premi\u00e8re cause de mortalit\u00e9 par cancer chez les femmes \u00e0 l’\u00e9chelle mondiale. L’int\u00e9gration croissante de l’intelligence artificielle (IA) et du deep learning en imagerie m\u00e9dicale offre des perspectives r\u00e9volutionnaires pour l’optimisation des parcours de soins. Cet article examine comment l’IA am\u00e9liore […]","og_url":"https:\/\/sahellib.org\/index.php\/docs\/gullu-knowledge-base\/changes-log\/deleniti-recusandae-dignissimos\/","og_site_name":"Sahel lib","article_modified_time":"2026-07-23T10:33:23+00:00","twitter_card":"summary_large_image","twitter_misc":{"Dur\u00e9e de lecture estim\u00e9e":"5 minutes"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"WebPage","@id":"https:\/\/sahellib.org\/index.php\/docs\/gullu-knowledge-base\/changes-log\/deleniti-recusandae-dignissimos\/","url":"https:\/\/sahellib.org\/index.php\/docs\/gullu-knowledge-base\/changes-log\/deleniti-recusandae-dignissimos\/","name":"Le r\u00f4le de l'IA pour une meilleure prise en charge du cancer du sein\u00a0: am\u00e9lioration du diagnostic et r\u00e9duction des in\u00e9galit\u00e9s en mati\u00e8re de sant\u00e9 - Sahel lib","isPartOf":{"@id":"https:\/\/sahellib.org\/#website"},"datePublished":"2020-05-18T19:47:24+00:00","dateModified":"2026-07-23T10:33:23+00:00","breadcrumb":{"@id":"https:\/\/sahellib.org\/index.php\/docs\/gullu-knowledge-base\/changes-log\/deleniti-recusandae-dignissimos\/#breadcrumb"},"inLanguage":"fr-FR","potentialAction":[{"@type":"ReadAction","target":["https:\/\/sahellib.org\/index.php\/docs\/gullu-knowledge-base\/changes-log\/deleniti-recusandae-dignissimos\/"]}]},{"@type":"BreadcrumbList","@id":"https:\/\/sahellib.org\/index.php\/docs\/gullu-knowledge-base\/changes-log\/deleniti-recusandae-dignissimos\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Accueil","item":"https:\/\/sahellib.org\/"},{"@type":"ListItem","position":2,"name":"Intelligence Artificielle","item":"https:\/\/sahellib.org\/index.php\/docs\/gullu-knowledge-base\/"},{"@type":"ListItem","position":3,"name":"L’IA pour la sant\u00e9","item":"https:\/\/sahellib.org\/index.php\/docs\/gullu-knowledge-base\/changes-log\/"},{"@type":"ListItem","position":4,"name":"Le r\u00f4le de l’IA pour une meilleure prise en charge du cancer du sein\u00a0: am\u00e9lioration du diagnostic et r\u00e9duction des in\u00e9galit\u00e9s en mati\u00e8re de sant\u00e9"}]},{"@type":"WebSite","@id":"https:\/\/sahellib.org\/#website","url":"https:\/\/sahellib.org\/","name":"Sahel lib","description":"","publisher":{"@id":"https:\/\/sahellib.org\/#organization"},"potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/sahellib.org\/?s={search_term_string}"},"query-input":{"@type":"PropertyValueSpecification","valueRequired":true,"valueName":"search_term_string"}}],"inLanguage":"fr-FR"},{"@type":"Organization","@id":"https:\/\/sahellib.org\/#organization","name":"Sahel lib","url":"https:\/\/sahellib.org\/","logo":{"@type":"ImageObject","inLanguage":"fr-FR","@id":"https:\/\/sahellib.org\/#\/schema\/logo\/image\/","url":"https:\/\/sahellib.org\/wp-content\/uploads\/2025\/12\/Logo-Sahel-Lib.png","contentUrl":"https:\/\/sahellib.org\/wp-content\/uploads\/2025\/12\/Logo-Sahel-Lib.png","width":687,"height":340,"caption":"Sahel lib"},"image":{"@id":"https:\/\/sahellib.org\/#\/schema\/logo\/image\/"}}]}},"_links":{"self":[{"href":"https:\/\/sahellib.org\/index.php\/wp-json\/wp\/v2\/docs\/4800","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/sahellib.org\/index.php\/wp-json\/wp\/v2\/docs"}],"about":[{"href":"https:\/\/sahellib.org\/index.php\/wp-json\/wp\/v2\/types\/docs"}],"author":[{"embeddable":true,"href":"https:\/\/sahellib.org\/index.php\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/sahellib.org\/index.php\/wp-json\/wp\/v2\/comments?post=4800"}],"version-history":[{"count":2,"href":"https:\/\/sahellib.org\/index.php\/wp-json\/wp\/v2\/docs\/4800\/revisions"}],"predecessor-version":[{"id":6817,"href":"https:\/\/sahellib.org\/index.php\/wp-json\/wp\/v2\/docs\/4800\/revisions\/6817"}],"up":[{"embeddable":true,"href":"https:\/\/sahellib.org\/index.php\/wp-json\/wp\/v2\/docs\/2348"}],"wp:attachment":[{"href":"https:\/\/sahellib.org\/index.php\/wp-json\/wp\/v2\/media?parent=4800"}],"wp:term":[{"taxonomy":"doc_tag","embeddable":true,"href":"https:\/\/sahellib.org\/index.php\/wp-json\/wp\/v2\/doc_tag?post=4800"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}