Conférence inaugurale

Comment l’intelligence artificielle pourrait répondre à la pandémie en radiologie

Lors de la conférence inaugurale des JFR, le 2 octobre, Eliot Siegel, pionnier américain de l’intelligence artificielle en imagerie médicale, a rappelé les impacts de la pandémie de COVID-19 en radiologie et le rôle que pourrait jouer l'IA à l’avenir.

icon réservé aux abonnésArticle réservé aux abonnés
Le 03/10/20 à 7:00, mise à jour hier à 15:13 Lecture 4 min.

Lors des JFR 2020, Eliot Siegel était invité à s’exprimer sur deux questions : l’intelligence artificielle va-t-elle accompagner le travail du radiologue ? Va-t-elle se projeter dans l’ère post-COVID ? D. R.

L’intelligence artificielle reste plus que jamais un sujet d’intérêt pour l’imagerie médicale. Elle a fait l’objet d’une intervention lors de la conférence inaugurale des JFR, le 2 octobre 2020. Alain Luciani a invité Eliot Siegel, professeur de radiologie à l’école de médecine de l’université du Maryland (États-Unis), à s’exprimer sur deux questions : l’intelligence artificielle va-t-elle accompagner le travail du radiologue ? Va-t-elle se projeter dans l’ère post-COVID ?

La nouvelle boîte de pandore

Ce pionnier des systèmes d’archivage et de communication des images (PACS) débute par cette réflexion : « Cela me rappelle le début des années quatre-vingt-dix quand nous avons ouvert une boîte de pandore avec le PACS. J’ai l’impression de revivre la même chose avec l’intelligence artificielle en 2020. » Après avoir rappelé les craintes habituelles relayées par des personnalités, des médias et même les studios hollywoodiens selon lesquelles cette technologie pourrait remplacer les radiologu

Il vous reste 84% 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

Avatar photo

Benjamin Bassereau

Directeur de la rédaction BOM Presse Clichy

Voir la fiche de l’auteur

Bibliographie

  1. Kyono, Trent, et coll. « Improving Workflow Efficiency for Mammography Using Machine Learning ». Journal of the American College of Radiology, vol. 17, no 1, janvier 2020, p. 56‑63. org (Crossref), doi:10.1016/j.jacr.2019.05.012.

Discussion

Aucun commentaire

Laisser un commentaire

Le fil Docteur Imago

17 Juil

16:00

Des chercheurs nord-américains ont adapté un modèle d'apprentissage profond pour la segmentation de la composition corporelle (muscle, os, graisse) à partir des images scanner volumétriques allant des vertèbres L2 à L4. La méthode s'est montrée plus précise que la technique standard, basée sur une seule coupe axiale en L3, se félicitent-ils dans EJR.

13:30

La TEP-TDM au meta-[18F] fluorobenzylguanidine ([18F]-mFBG) pourrait constituer une alternative plus efficace à la TEMP-TDM au [123I]-metaiodobenzylguanidine (MIBG) pour la stadification et l'évaluation de la réponse tumorale des neuroblastomes, conclut une étude présentée dans Pediatric Radiology.

7:42

GE Healthcare et la Mayo Clinic à Rochester (Minnesota) annoncent leur coopération autour d'un essai sur le traitement du cancer de la prostate par radioligands. L'étude MI-BET évaluera si l'utilisation de marqueurs biologiques et d'imagerie permet de mieux personnaliser les traitements, par exemple en espaçant les séances.
16 Juil

16:59

Une étude rétrospective compare les biopsies mammaires guidées par tomosynthèse et par échographie pour les lésions mammaires non calcifiées, en évaluant leurs caractéristiques et leurs performances diagnostiques. Les résultats montrent que l'échographie présente une meilleure valeur prédictive positive et que la tomosynthèse reste une alternative pertinente lorsque la lésion n'a pas de corrélat échographique définitif.

13:46

En angioscanner de la tête et du cou, associer une technologie de reconstruction d'image par apprentissage profond à une acquisition de basse énergie (80 kVp) permet de diminuer les doses de radiation (-36 %) et de produit de contraste (-26%) en améliorant la qualité d'image par rapport au protocole standard (100 kVp et reconstruction itérative), conclut un article dans EJR.
Docteur Imago

GRATUIT
VOIR