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 15:15 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

02 Sep

16:40

L’analyse quantitative de la perfusion en IRM DCE fournirait une valeur diagnostique significative pour différencier le gliome diffus de la ligne médiane (DMG) et le glioblastome de la ligne médiane (mGBM), des tumeurs particulièrement agressives qui nécessitent des stratégies thérapeutiques distinctes, de manière non invasive chez les patients pédiatriques et les jeunes adultes. (Etude)

13:32

7:30

Selon une étude française, l'évaluation du profil de rehaussement tardif au gadolinium du septum interauriculaire et des parois auriculaires permettrait de mieux différencier l'amylose cardiaque de ses phénocopies.

7:00

01 Sep

16:52

L'échographie en mode B, l'élastographie par ondes de cisaillement (SWE) et l'imagerie microvasculaire Superb Microvascular Imaging (SMI) permettraient de différencier les tumeurs des tissus mous bénignes des tumeurs non bénignes. (Etude)

14:43

La classification O-RADS IRM montre une grande efficacité diagnostique dans le triage des masses annexielles, et l'intégration de courbe d'intensité semi-quantitative du rehaussement permettrait d'améliorer la spécificité et la valeur prédictive positive de l'IRM O-RADS (étude).
✕
Docteur Imago

GRATUIT
VOIR