Congrès Spimed

« La radiographie thoracique est une bonne candidate pour le développement d’algorithmes d’IA »

Au congrès Spimed-IA consacré au développement des applications d'intelligence artificielle en imagerie, la radiologue Marie-Pierre Revel a détaillé les performances des algorithmes pour la détection des lésions en radiographie thoracique.

icon réservé aux abonnésArticle réservé aux abonnés
Le 22/10/19 à 15:00, mise à jour aujourd'hui à 15:13 Lecture 2 min.

Au congrès Spimed IA, la radiologue Marie-Pierre Revel a évoqué le développement des applications d’intelligence artificielle en imagerie thoracique. © C. F.

Le congrès Spimed IA s’est tenu les 20 et 21 septembre 2019 à l’institut Montsouris, à Paris. Il y fut notamment question du développement des applications de l’intelligence artificielle (IA). Le 20 septembre, Marie-Pierre Revel, radiologue à l’hôpital Cochin - AP-HP, a évoqué le sujet dans le domaine de l’imagerie thoracique.

Une mine d’or de données

« La radiographie thoracique est une bonne candidate pour le développement d’algorithmes d’IA », souligne-t-elle en préambule. En effet, le nombre d’examens à interpréter dans ce domaine représente à la fois une charge de travail « insupportable » pour les radiologues et une mine d’or pour entraîner des algorithmes. « Nous stockons des millions d’images avec leurs comptes rendus », rappelle l’intervenante.

Des bases américaines et indiennes

Aux États-Unis, le National Institute of Health (NIH) a constitué une base de données baptisée ChestX-ray8, labellisée avec huit types d’anomalies fréquentes en radiographie thoracique : pneumonie, pneumot

Il vous reste 74% 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

Carla Ferrand

Journaliste cheffe de rubrique

Voir la fiche de l’auteur

Bibliographie

  1. Hwang E. J., Park S., Jin K.-N. et coll., « Development and Validation of a Deep Learning-Based Automated Detection Algorithm for Major Thoracic Diseases on Chest Radiographs », JAMA Netw Open, 2019, vol. 2, n° 3. DOI : 10.1001/jamanetworkopen.2019.1095.  

Discussion

Aucun commentaire

Laisser un commentaire

Sur le même thème

Le fil Docteur Imago

15 Oct

15:59

Une revue présentée dans EJR analyse le potentiel de la radiomique basée sur l’IRM et l’intelligence artificielle pour prédire la progression du cancer de la prostate sous surveillance active. Elle souligne une forte hétérogénéité des critères utilisés et des limites méthodologiques importantes (étude).

13:00

Des stratégies d'optimisation mises en place à l'hôpital pour enfants de Seattle, aux États-Unis, ont permis de réduire de 64 % le recours à la fluoroscopie en dehors des heures ouvrables, tout en préservant la qualité diagnostique et la sécurité des patients. Ces protocoles alternatifs, fondés notamment sur l’échographie, le scanner faible dose et l’implication des manipulateurs, offrent des pistes concrètes pour optimiser les flux de travail et limiter la charge des équipes (étude).

7:41

La radiologie interventionnelle assure une part importante des soins prodigués aux patients atteints de cancers hépatobiliaires et les ablations hépatiques percutanées ont augmenté de 25 % aux États-Unis entre 2016 et 2019, selon une étude.
14 Oct

16:37

Pour la réévaluation de la stadification du cancer du pancréas après un traitement systémique, les données actuelles suggèrent que l'intégration de caractéristiques d'imagerie complémentaires, de modalités d'imagerie alternatives et du biomarqueur CA 19-9 pourraient améliorer l'évaluation du pronostic (étude).
✕
Docteur Imago

GRATUIT
VOIR