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 hier à 15:14 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.  

Spécialité médicale

Pneumologie

Modalité d’imagerie

Radiologie conventionnelle

Mots-clés

radiographie thoracique intelligence artificielle

Discussion

Aucun commentaire

Laisser un commentaire

Sur le même thème

Le fil Docteur Imago

17 Sep

11:30

Une étude démontre qu’un modèle de deep learning appliqué à l’IRM permet de prédire de manière non invasive les quatre sous-types moléculaires des PitNETs avant la chirurgie.

7:30

Le cabinet médical de La Chaise-Dieu a inauguré ses nouveaux locaux, financés sur fonds privés, avec la perspective d’y installer prochainement un service de radiologie. Prévu d’ici la fin de l’année, cet équipement doit faciliter la prise en charge des traumatismes et examens courants, tout en limitant les déplacements des habitants et résidents des Ehpad, informe leveil.fr.

7:00

16 Sep

15:56

La répétition d'angioscanners pulmonaires après un examen négatif aux urgences serait moins efficace sur le plan diagnostique que l'imagerie initiale (étude).

15:00

13:37

La pose de stent intracrânien reposant sur le système NeuroSpeed/CREDO pourrait constituer un traitement techniquement réalisable pour la sténose athéroscléreuse intracrânienne (ICAS) de haut grade, ainsi qu’une option de sauvetage au cours d’une thrombectomie, avec des résultats cliniques favorables à court terme et des taux de complications acceptables. La ICAS est une cause importante d’accidents vasculaires cérébraux ischémiques récidivants. (Etude)
✕
Docteur Imago

GRATUIT
VOIR