Urgences

L’IA améliore la performance des non-radiologues sur les radiographies thoraciques

icon réservé aux abonnésArticle réservé aux abonnés
Le 08/02/24 à 7:00

Dans le cadre de cette étude, 563 radios thoraciques acquises aux urgences ont été évaluées rétrospectivement à deux reprises par trois radiologues certifiés, trois internes en radiologie et trois non-radiologues et ont été comparées à la performance de l’algorithme (photo d'illustration). © Zackstarr - Radiologist | Wikimedia

Une équipe de chercheurs de l'hôpital universitaire de Munich (Allemagne) a évalué un système d’IA basé sur un réseau de neurones convolutifs, pour la détection des pathologies pulmonaires dans un service d'urgence. Les résultats ont fait l'objet d'une publication dans la revue Chest [1].

L’IA formée sur des données publiques et expertes

Cet algorithme d'IA interprétant les radiographies pulmonaires a été entraîné sur des données publiques provenant de plusieurs hôpitaux comportant des consolidations suspectes de pneumonie, des pneumothorax, des nodules et des épanchements pleuraux. Ces pathologies qui nécessitent un traitement immédiat pour déterminer si la maladie est aiguë nécessitent un haut niveau d'expertise pour une évaluation précise. Une tâche qui n'est pas toujours simple pour les non-radiologues des urgences, parfois tenus de prendre seuls des décisions cliniques basées sur les résultats d'imagerie.

563 radios thoraciques évaluées

Dans le cadre de cette étude de validati

Il vous reste 58% 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

Solenn Duplessy

Voir la fiche de l’auteur

Bibliographie

  1. Rudolph J., Huemmer C., Preuhs A. et al., « Non-radiology Healthcare Professionals Significantly Benefit from AI-Assistance in Emergency-Related Chest Radiography Interpretation », Chest, 29 janvier 2024 (pre-proof). DOI : 10.1016/j.chest.2024.01.039.

Spécialité médicale

Urgence Oncologie Pneumologie

Modalité d’imagerie

Radiologie conventionnelle

Mots-clés

intelligence artificielle radiographie thoracique

Discussion

Aucun commentaire

Laisser un commentaire

Sur le même thème

Le fil Docteur Imago

10 Juin

7:18

Le score de calcification de l'aorte abdominale pourrait servir de marqueur potentiel pour identifier les patients présentant un risque de fracture de la hanche, afin de les inciter à prendre des médicaments contre l'ostéoporose (étude).

7:00

09 Juin

14:53

Le centre hospitalier William Morey de Chalon-sur-Saône (71) a déclaré un événement significatif de radioprotection après avoir constaté des dépassements de doses lors d’examens radiologiques pédiatriques, concernant 1 500 patients, dont 225 nourrissons, entre 2019 et 2025.

12:49

Une étude publiée dans Emergency Radiology indique que la reconstruction par apprentissage profond compressed sensing (CS-DLR) en IRM cérébrale 3 T réduit significativement le temps d’examen chez les patients atteints d’AVC ischémique aigu tout en améliorant ou en préservant la qualité diagnostique des images.

7:30

Une étude publiée dans phiRO montre qu'un protocole de cone beam CT (CBCT) de 6 secondes permet une localisation et une estimation volumétrique précises des tumeurs pulmonaires chez les patients présentant une respiration régulière. En revanche, pour les respirations lentes ou irrégulières, un protocole de 60 secondes offre une meilleure précision.

7:00

✕
Docteur Imago

GRATUIT
VOIR