Intelligence artificielle

Un nouveau système d’analyse automatisée espère « transformer la prise en charge des patients »

Grâce aux possibilités du deep learning et des algorithmes de diagnostic, la société Zebra Medical Vision a mis au point un outil qui génère une analyse automatisée des données d’imagerie. Le dispositif a récemment fait l’objet d’un marquage CE.

Le 04/10/17 à 7:00, mise à jour hier à 15:20 Lecture 1 min.

En associant l’imagerie médicale à l’apprentissage automatique, la société Zebra Medical Vision espère « transformer la prise en charge des patients ». CC0-domaine public / Pixabay - Photo d'illustration

La société Zebra Medical Vision, spécialisée dans la mise au point de systèmes d’intelligence artificielle, a annoncé au mois de juin l’obtention du marquage CE pour son outil Analytics Engine®. Ce logiciel est conçu pour fournir une analyse automatisée des données d’imagerie. Il peut être intégré dans les systèmes PACS et RIS.

Une analyse automatisée de « millions d’images »

« Nos solutions fournissent une analyse automatisée de millions d’images en temps réel et de manière rétrospective, indiquent les concepteurs. Cela permet une identification précoce de la maladie et la mise en œuvre d’outils d’aide à la prise de décision pour la santé de la population et la gestion des risques. » En associant l’imagerie médicale à l’apprentissage automatique pour détecter et diagnostiquer des pathologies, la société espère « transformer la prise en charge des patients ». Les concepteurs assurent que leur outil permet ainsi « d’augmenter la rapidité et l’efficacité du diagnostic ».

Un diagnostic « plus précoce »

Selon le PDG de la société, Elad Benjamin, cette technologie d’analyse de données ouvre la voie à un diagnostic plus précoce et plus précis. « Grâce aux avancées des logiciels, il est possible de créer des algorithmes de qualité diagnostique basés sur les big data surpassant les taux de précision de lecture actuelle, assure-t-il. Ces algorithmes réduiront les faux positifs, identifieront les faux négatifs, fourniront un diagnostic plus précoce du cancer ou d’autres maladies et aideront à réaliser des découvertes fortuites dissimulées dans les vastes quantités de données d’imagerie se trouvant dans les archives des fournisseurs de santé. »

Auteurs

Carla Ferrand

Journaliste cheffe de rubrique

Voir la fiche de l’auteur

Discussion

Aucun commentaire

Laisser un commentaire

Le fil Docteur Imago

7:30

Une étude montre que la TEP-IRM ciblant la protéine d'activation des fibroblastes (FAP) détecte davantage de lésions suspectes d’endométriose que l’IRM conventionnelle, soutenant son intérêt comme outil complémentaire pour l’évaluation préopératoire.
11 Juin

16:00

L’ASNR a été informée d’une erreur de radiothérapie, classée au niveau 2 de l’échelle ASN-SFRO, survenue en mars 2026 au CHU de Saint-Étienne (42). Une dose de 9 Gy destinée à une vertèbre atteinte d’une métastase a été administrée par erreur à la vertèbre voisine saine en raison d’un mauvais positionnement du patient.

13:00

Des modèles d’intelligence artificielle évalués pour la classification de la malignité des nodules pulmonaires au scanner thoracique ont montré une sensibilité élevée (88 %) mais une spécificité modérée (75 %), soutenant un rôle potentiel dans les stratégies d’exclusion d'un cancer pulmonaire étude).

9:30

Selon une étude publiée dans The Journal of Nuclear Medicine, un nouveau système de TEP-TDM à champ de vision à long axe (LAFOV), utilisant des détecteurs de 30 mm au germanate de bismuth (BGO) avec des photomultiplicateurs au silicium offre une qualité d’image supérieure à la TEP-TDM à champ de vision court-axial (SAFOV) malgré des réductions marquées du temps d’acquisition, avec des caractéristiques de bruit comparables sur plusieurs radiopharmaceutiques.
Docteur Imago

GRATUIT
VOIR