IRM

Des acquisitions dynamiques ultrarapides pour mieux différencier les lésions mammaires

Selon une étude italienne publiée dans European Journal of Radiology, le temps de rehaussement des séquences TWIST permettrait de mieux classifier les lésions mammaires.

Le 10/02/17 à 8:00, mise à jour aujourd'hui à 15:23 Lecture 1 min.

Le temps de rehaussement (TTE) issu des acquisitions ultrarapides TWIST permettrait de différencier de façon fiable les lésions mammaires malignes et bénignes, indique une étude italienne (photo d'illustration). © Gustave-Roussy

« Le temps de rehaussement (TTE) issu des acquisitions ultrarapides TWIST permettrait de différencier de façon fiable les lésions mammaires malignes et bénignes. Il pourrait être un nouveau paramètre dynamique en IRM pour classifier les lésions mammaires », indiquent des chercheurs italiens dans une étude publiée en janvier 2017 dans European Journal of Radiology.

Environ 200 lésions

Cette étude rétrospective a été menée sur 157 femmes porteuses de 195 anomalies, dont 99 étaient malignes. Toutes les patientes ont passé une IRM en deux temps, dont une acquisition TWIST avec une angiographie ultrarapide de trajectoire stochastique (1,0 × 0,9 × 2,5 mm et résolution temporelle de 4,32 s). Les chercheurs ont comparé les séquences TWIST aux séquences VIBE. Ils ont analysé les caractéristiques de fonctionnement du récepteur et les statistiques kappa (κ).

Une meilleure différenciation

Les résultats de cette étude ont montré que le TTE avait une meilleure capacité de différenciation que les courbes types (p < 0,001 et p = 0,026 respectivement pour le lecteur 1 et 2). La morphologie et la sensibilité des évaluations TWIST et VIBE étaient équivalentes (p = 0,549 et p = 0,344). La spécificité et l’exactitude diagnostique étaient significativement plus élevées pour les séquences TWIST que pour l’évaluation VIBE (p < 0,001). L’accord entre les lecteurs pour différencier les lésions malignes des lésions bénignes était presque parfait pour l’évaluation TWIST (κ = 0,86) et convaincant pour l’évaluation conventionnelle (κ = 0,75).

Auteurs

Virginie Facquet

Discussion

Aucun commentaire

Laisser un commentaire

Sur le même thème

Le fil Docteur Imago

10 Avr

15:32

Un modèle d’IA à apprentissage profond montre un potentiel en tant qu’outil de dépistage opportuniste de la santé osseuse chez les enfants, selon une étude publiée dans Radiology.

13:14

Les événements de sécurité des patients en radiologie représentent une faible proportion des incidents (3,2 %), mais révèlent des vulnérabilités importantes, notamment chez les enfants et les personnes âgées, avec un risque élevé lié aux médicaments et aux produits de contraste, selon une étude publiée dans Current Problems in Diagnostic Radiology

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.
Docteur Imago

GRATUIT
VOIR