Apprentissage machine

L’algorithme qui évaluerait mieux les cancers de la prostate

Des chercheurs californiens ont développé et testé un dispositif à base d’apprentissage machine capable de classer les tumeurs de la prostate à partir d’examens d’IRM multiparamétrique. D’après leurs résultats, il fait mieux que la classification PI-RADS dans certains domaines.

icon réservé aux abonnésArticle réservé aux abonnés
Le 20/02/19 à 16:04, mise à jour hier à 15:16 Lecture 2 min.

Les chercheurs espèrent aboutir « à des traitements plus efficaces et personnalisés » du cancer de la prostate (photo d'illustration d'IRM de la prostate en T2). © Daniel Portalez

Bino Varghese, spécialiste en imagerie quantitative, et ses confrères de l’université de Californie du sud et de l’institut d’urologie de Los Angeles, ont développé un algorithme capable d’évaluer de façon objective la malignité de cancers de la prostate à partir de caractéristiques radiomiques extraites d’examens d’IRM multiparamétrique. « L’IRM multiparamétrique prend une importance croissante pour évaluer, localiser et stadifier le cancer de la prostate, mais son interprétation [par l’humain] est généralement variable, parce que subjective », écrivent-ils dans la revue Scientific Reports [1] pour justifier leur démarche.

68 patients et 110 caractéristiques radiomiques

Pour combler ces lacunes, ils ont travaillé à partir de données de 68 patients rassemblées dans un même centre entre 2013 et 2016. Tous avaient passé une IRM multiparamétrique et avaient été soumis à une biopsie sous guidage échographique 3D avec fusion d’images avec l’IRM. Ils ont été divisés en deux groupes : « risque

Il vous reste 67% 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

Jérome Hoff

Rédacteur en chef adjoint BOM Presse Clichy

Voir la fiche de l’auteur

Bibliographie

  1. Varghese B., Chen F., Hwang D., « Objective risk stratification of prostate cancer using machine learning and radiomics applied to multiparametric resonance images », Scientific Reports, vol. 9, 2019. DOI : 10.1038/s41598-018-38381-x.

Discussion

Commenter cet article
  1. Marc AzancotEn français.. la classification?
    Il y a 7 ans

Laisser un commentaire

Sur le même thème

Le fil Docteur Imago

17 Juil

16:00

Des chercheurs nord-américains ont adapté un modèle d'apprentissage profond pour la segmentation de la composition corporelle (muscle, os, graisse) à partir des images scanner volumétriques allant des vertèbres L2 à L4. La méthode s'est montrée plus précise que la technique standard, basée sur une seule coupe axiale en L3, se félicitent-ils dans EJR.

13:30

La TEP-TDM au meta-[18F] fluorobenzylguanidine ([18F]-mFBG) pourrait constituer une alternative plus efficace à la TEMP-TDM au [123I]-metaiodobenzylguanidine (MIBG) pour la stadification et l'évaluation de la réponse tumorale des neuroblastomes, conclut une étude présentée dans Pediatric Radiology.

7:42

GE Healthcare et la Mayo Clinic à Rochester (Minnesota) annoncent leur coopération autour d'un essai sur le traitement du cancer de la prostate par radioligands. L'étude MI-BET évaluera si l'utilisation de marqueurs biologiques et d'imagerie permet de mieux personnaliser les traitements, par exemple en espaçant les séances.
16 Juil

16:59

Une étude rétrospective compare les biopsies mammaires guidées par tomosynthèse et par échographie pour les lésions mammaires non calcifiées, en évaluant leurs caractéristiques et leurs performances diagnostiques. Les résultats montrent que l'échographie présente une meilleure valeur prédictive positive et que la tomosynthèse reste une alternative pertinente lorsque la lésion n'a pas de corrélat échographique définitif.

13:46

En angioscanner de la tête et du cou, associer une technologie de reconstruction d'image par apprentissage profond à une acquisition de basse énergie (80 kVp) permet de diminuer les doses de radiation (-36 %) et de produit de contraste (-26%) en améliorant la qualité d'image par rapport au protocole standard (100 kVp et reconstruction itérative), conclut un article dans EJR.
Docteur Imago

GRATUIT
VOIR