Intelligence artificielle

Comment bâtir un modèle radiomique en oncologie ?

Selon Nickolaos Papanikolaou, qui s’exprimait à l’ECR 2021, le développement de modèles radiomiques pour des applications en oncologie exige avant tout l’utilisation de données robustes et la participation d’une équipe multidisciplinaire, avec des expertises médicales et informatiques.

icon réservé aux abonnésArticle réservé aux abonnés
Le 18/03/21 à 17:00, mise à jour aujourd'hui à 15:11 Lecture 5 min.

Pour le développement de modèles radiomiques, Nickolaos Papanikolaou recommande l’utilisation de l’apprentissage machine plutôt que de l’apprentissage profond, dont l’entraînement nécessite des milliers d’images et dont le fonctionnement manque de transparence, selon lui. capture d'écran ECR 2021

Au carrefour des sciences informatiques, de la biostatistique et d’autres disciplines, la radiomique vise à créer des algorithmes d’apprentissage machine capables d’extraire et d’analyser, sur des clichés d’imagerie médicale, des données numériques pertinentes pour le diagnostic, le pronostic ou le suivi des patients. Le 3 mars, une session du Congrès européen de radiologie s’est intéressée à ses applications potentielles en cancérologie.

Pallier les faiblesses de la biopsie

En oncologie, la radiomique pourrait permettre de s’affranchir des limites de la biopsie et de l’imagerie médicale traditionnelle, affirme Nickolaos Papanikolaou, radiologue au sein du groupe d’imagerie clinique computationnelle de la fondation Champalimaud, à Lisbonne, Portugal. « La biopsie souffre d’erreurs d’échantillonnage, est invasive et présente un faible rapport temps-efficacité, souligne-t-il. L’imagerie médicale préserve l’intégrité du patient et permet d’extraire une importante quantité d’information de l

Il vous reste 87% 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

Jérome Hoff

Rédacteur en chef adjoint BOM Presse Clichy

Voir la fiche de l’auteur

Bibliographie

  1. Papanikolaou et coll., « How to develop a meaningful radiomic signature for clinical use in oncologic patients », Cancer Imaging, 2021, vol. 20, n° 33. DOI : doi.org/10.1186/s40644-020-00311-4
  2. Carrasquinha E., Santinha J. A. A., Mongolin A. et coll. « Regularization techniques in radiomics : a case study of the prediction of pCR in breast tumours and the axilla », Conference : CIBB 2019 – Computational intelligence methods for bioinformatics and biostatistics, septembre 2019. https://www.researchgate.net/publication/338412538_Regularization_techniques_in_Radiomics_A_case_study_on_the_prediction_of_pathological_Complete_Response_in_Breast_Tumours_and_the_Axilla.

Discussion

Aucun commentaire

Laisser un commentaire

Le fil Docteur Imago

30 Sep

15:38

Un nouveau centre d’imagerie médicale a été ouvert par Maine image santé à Sablé-sur-Sarthe (72) ce lundi 22 septembre 2025, annonce le média Ouest France.

13:09

Un article publié dans Insights into Imaging, fournit un consensus d’experts pour la biopsie des lésions mammaires et la re-biopsie en cas de discordance radiologique-pathologique ou de signes de potentiel malin incertain.

7:04

Dans une étude, des chercheurs ont développé et validé un modèle de stratification du risque pancréatique basé sur IRM pour la prédiction du pronostic et l’orientation thérapeutique de l’adénocarcinome canalaire pancréatique (PDAC). Ils ont de fait démontré que le modèle M-PRiSM prédit efficacement la survie globale postopératoire et identifie les patients PDAC susceptibles de bénéficier d’un traitement adjuvant.
29 Sep

16:03

Dans une étude présentée dans JACR, l'utilisation de comptes rendus préliminaires générés par IA a permis à 5 radiologues de réduire le temps d'interprétation des radiographies thoraciques (de 25,8 à 19,3 secondes en moyenne). Toutefois, des variations dans les scores de qualité, notamment pour les examens montrant des anomalies, soulèvent la nécessité d'une utilisation supervisée de l'IA, estiment les auteurs.
Docteur Imago

GRATUIT
VOIR