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 15:17 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 Avr

17:31

Une étude publiée dans Scientific Reports a évalué la capacité de GPT-4o à standardiser les recommandations de suivi à partir de comptes rendus de radiologie, en les comparant à celles de radiologues humains sur 100 cas cliniques. Les résultats montrent que GPT-4o atteint une qualité globale comparable à un radiologue expérimenté et supérieure à un interne.

7:30

En 2024, les radiologues n’ont reçu que 0,76 % des financements de recherche de la part de l’industrie (90,4 millions de dollars), avec une forte concentration sur une minorité d’entre eux. La part de la radiologie dans le financement total a diminué entre 2019 et 2024 (de 1,34 % à 1,06 %), suggérant un soutien limité et en déclin (étude).

7:00

23 Avr

15:00

Les nouvelles recommandations du National Comprehensive Cancer Network® préconisent une évaluation des risques basée sur l'IA et d'utiliser des mammographies pour prédire le risque de cancer du sein à 5 ans chez une femme. L'un des changements les plus importants est d'étendre le dépistage des risques par mammographie à partir de 35 ans. (source)

15:00

12:57

Une étude signale que depuis le Covid-19 des retards de diagnostic après une mammographie de dépistage revenue anormale s'aggravant chaque année. Certains sous-groupes de femmes, comme celles au chômage ou âgées de 50 à 59 ans, présentent un risque accru de suivi retardé et persistant.
✕
Docteur Imago

GRATUIT
VOIR