Scanner thoracique

Une IA pour diagnostiquer les lésions Covid à très basse dose

Une équipe de chercheurs suisses et iraniens a entraîné un algorithme d’apprentissage profond à prédire des images « dose entière » à partir d’examens de scanner thoracique ultra basse dose de patients Covid-19. Le modèle obtient des résultats « appropriés », avec certaines limites.

icon réservé aux abonnésArticle réservé aux abonnés
Le 16/03/21 à 16:30, mise à jour hier à 15:06 Lecture 2 min.

Les images ultra basse dose (au centre) sont d’une qualité « insuffisante » pour le diagnostic mais les images « dose entière » reconstruites par l’algorithme à partir de ces dernières (à droite) obtiennent pour la plupart un score de qualité de « bon » à « excellent » et sont « appropriées pour la tâche demandée ». Les images « dose entière » natives (à droite) obtiennent le meilleur score. © Shiri I. et coll.

Dès les premières semaines de la pandémie de Covid-19, le scanner thoracique s’est présenté comme une solution pertinente pour le diagnostic et le suivi des patients. Ce rôle de premier plan pose toutefois la question de la radioprotection, soulignent Isaac Shiri et Azadeh Akhavanallaf, respectivement chercheurs à l’hôpital universitaire de Genève, en Suisse, et à la faculté de médecine de Téhéran, en Iran, dans la revue European Radiology. « Le scanner reste la première cause médicale d’exposition aux rayonnements ionisants, malgré les progrès techniques », écrivent-ils dans un article paru en début d’année [1].

Des images ultra basse dose simulées

Pour résoudre ce problème, ils ont collecté, avec leurs confrères, 1 141 examens de scanners, dont 312 de patients positifs au test RT-PCR, issus de 3 centres. En utilisant des outils statistiques et mathématiques, ainsi qu’une base d’images de référence, ils ont dégradé la qualité de ces examens pour simuler des images acquises à très basse

Il vous reste 72% 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 DÉCOUVERTE

11€

pendant 1 mois
puis 23 €/mois

S’abonner à Docteur Imago

Auteurs

Jérome Hoff

Rédacteur en chef adjoint

Voir la fiche de l’auteur

Bibliographie

  1. Shiri I., Akhavanallaf A., Sanaat A. et coll., « Ultra-low-dose chet CT imaging of COVID-19 patients using a deep residual neural network », European Radiology, 2021, vol. 31, p. 1420-1431. DOI : 10.1007/s00330-020-07225-6.

Discussion

Aucun commentaire

Laisser un commentaire

Sur le même thème

Le fil Docteur Imago

03 Mai

16:30

Un modèle d’IA entraîné à l’aide de radiographies à fente debout dans un ensemble de données de patients pédiatriques a permis une prédiction plus précise de la croissance osseuse pédiatrique, utilisées dans l’imagerie par rayons X pour surveiller la scoliose, selon une étude publiée dans Radiology.

13:00

L’analyse de l'imagerie au scanner volumétrique est prometteuse pour déterminer la fonction pulmonaire pré et postopératoire chez les patients atteints d’un cancer du poumon subissant une lobectomie pulmonaire, et permet de prédire l’apparition de complications postopératoires, indique une étude.

7:30

Une étude publiée dans European Journal of Radiology démontre que le dépistage supplémentaire par IRM mammaire permet de détecter des cancers du sein précoces, qui pourraient être manqués à la mammographie, notamment chez les femmes aux seins denses.
02 Mai

16:01

Selon une étude pilote de dépistage du cancer du poumon menée dans l'Ontario (Canada) sur 4451 participants, l'adhésion annuelle était élevée (> 85 %), tandis que le taux de détection d'un cancer était de 2,4 % – parmi lesquels 79,2 % de cancers de stade précoce (étude ici).
Docteur Imago

GRATUIT
VOIR