Imagerie thoracique

Un système de deep learning prédit la survie de patients opérés d’un cancer du poumon

En extrayant des informations de scanners thoraciques préopératoires, des médecins coréens ont testé un modèle de deep learning capable de prédire la survie sans maladie de patients opérés d’un cancer du poumon.

icon réservé aux abonnésArticle réservé aux abonnés
Le 15/06/20 à 7:00, mise à jour hier à 15:14 Lecture 2 min.

Dans leurs constatations, les auteurs indiquent que le statut tabagique et les résultats du modèle d'apprentissage profond « étaient les seuls facteurs de pronostic indépendants de la survie sans maladie des patients après la résection chirurgicale d'un adénocarcinome de stade I ». © Hyungjin Kim et coll. / Radiological Society of North America

Une équipe de chercheurs coréens a développé un modèle d’apprentissage profond basé sur les données de scanner préopératoire qui permettrait de prédire la survie sans maladie de patients atteints d’un adénocarcinome pulmonaire traité par chirurgie. Cette étude rétrospective menée par Hyungjin Kim, radiologue à la faculté de médecine de l’université de Séoul, est parue au mois de mai dans la revue Radiology [1].

Deux sets de données pour l’entraînement et la validation

Pour ces travaux, les chercheurs se sont appuyés sur deux ensembles de données : le premier a été utilisé pour entraîner l’algorithme, le second pour la validation externe. Pour l'ensemble de données 1, les patients éligibles étaient ceux qui avaient subi au moins une lobectomie pour un cancer du poumon. « Au total, 800 patients atteints d'adénocarcinomes pulmonaires réséqués entre janvier 2009 et décembre 2015 ont été identifiés rétrospectivement par une recherche dans les dossiers médicaux électroniques, détaillent les au

Il vous reste 73% de l’article à lire

Docteur Imago réserve cet article à ses abonnés

S'abonner à l'édition
  • Tous les contenus « abonnés » en illimité
  • Le journal numérique en avant-première
  • Newsletters exclusives, club abonnés

Abonnez-vous !

Docteur Imago en illimité sur desktop, tablette, smartphone, une offre 100% numérique

Offre mensuelle 100 % numérique

23 €

par mois

S’abonner à Docteur Imago

Auteurs

Carla Ferrand

Journaliste cheffe de rubrique

Voir la fiche de l’auteur

Bibliographie

  1. Hyungjin Kim, Jin Mo Goo, Kyung Hee Lee et coll., « Preoperative CT-based Deep Learning Model for Predicting Disease-Free Survival in Patients with Lung Adenocarcinomas », Radiology, 12 mai 2020, publication en ligne. DOI : 10.1148/radiol.2020192764.

Discussion

Aucun commentaire

Laisser un commentaire

Sur le même thème

Le fil Docteur Imago

10 Avr

7:13

Les patientes atteintes d’un cancer du sein qui développent un dysfonctionnement cardiaque lors d’une chimiothérapie néoadjuvante subissent également une perte de tissu cérébral significativement plus importante que celles dont la fonction cardiaque reste stable, selon une étude publiée dans Academic Radiology.
09 Avr

16:21

Une étude multicentrique publiée dans European Radiology montre qu’un modèle de deep learning combinant nnU-Net et ConvNeXt-tiny permet d’évaluer avec précision l’invasion musculaire dans le cancer de la vessie à partir d’IRM, avec des performances élevées et stables.

13:17

Une étude pilote a évalué un outil d’IA (BoneView) capable de détecter les fractures liées à la maltraitance chez des enfants de moins de 5 ans, montrant une légère amélioration de sa précision après un premier réentraînement. Ces résultats préliminaires suggèrent qu’un entraînement supplémentaire pourrait permettre d’atteindre des performances cliniquement utiles et renforcer l’aide au diagnostic dans ce contexte.

7:11

Une étude prospective comparant la radiographie conventionnelle à une reconstruction avancée 3D montre que cette dernière détecte toutes les fractures des membres avec une sensibilité de 100 %, contre 46,7 % pour la méthode classique, tout en conservant une excellente spécificité et qualité d’image. Son utilisation aux urgences pourrait améliorer la précision diagnostique, réduire les examens complémentaires et accélérer la prise en charge des patients.
Docteur Imago

GRATUIT
VOIR