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 15:05 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

intelligence artificielle radiographie thoracique

Discussion

Aucun commentaire

Laisser un commentaire

Sur le même thème

Le fil Docteur Imago

24 Fév

16:00

De mauvaises explications des examens IRM avec contraste contribuent à l’anxiété des patients, rapporte une étude parue dans le Journal of Magnetic Resonance Imaging.  Les résultats soulignent l’importance d’améliorer la communication centrée sur le patient et de fournir des ressources éducatives simples pour réduire l’anxiété, améliorer le confort et soutenir des expériences positives, écrivent les chercheurs.

15:00

14:25

La FDA a approuvé une mise à jour de l’étiquetage d’Elucirem™ (gadopiclenol) de Guerbet, étendant son indication aux enfants de 0 à 2 ans, y compris les nouveau-nés à terme. Cet agent de contraste à base de gadolinium déjà approuvé en 2022, est le premier agent de contraste à base de gadolinium approuvé à une demi-dose de gadolinium, et avec la plus grande relaxivité, pour les examens IRM du système nerveux central et du corps, nécessitant la moitié de la dose conventionnelle, indique un communiqué fourni par Guerbet.

7:12

Une étude rétrospective a évalué un modèle d’apprentissage profond basé sur le scanner en phase veineuse porte pour distinguer les métastases hépatiques du cancer colorectal des hémangiomes, montrant de bonnes performances globales. L’assistance par DL améliore significativement le diagnostic des lésions de 10 à 30 mm, mais son apport reste limité pour les lésions subcentimétriques, pouvant nécessiter une IRM complémentaire.

7:00

23 Fév

15:51

Des scores de risques fournis par un outil commercial de diagnostic et prédiction automatique ont obtenu une performance « pas significativement différente » à celle des modèles cliniques pour prédire la récidive ipsilatérale après un traitement par chirurgie conservatoire d'un carcinome canalaire in situ (DCIS). Étude.
✕
Docteur Imago

GRATUIT
VOIR