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 aujourd'hui à 15:18 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

7:30

Une étude montre que la TEP-IRM ciblant la protéine d'activation des fibroblastes (FAP) détecte davantage de lésions suspectes d’endométriose que l’IRM conventionnelle, soutenant son intérêt comme outil complémentaire pour l’évaluation préopératoire.
11 Juin

16:00

L’ASNR a été informée d’une erreur de radiothérapie, classée au niveau 2 de l’échelle ASN-SFRO, survenue en mars 2026 au CHU de Saint-Étienne (42). Une dose de 9 Gy destinée à une vertèbre atteinte d’une métastase a été administrée par erreur à la vertèbre voisine saine en raison d’un mauvais positionnement du patient.

13:00

Des modèles d’intelligence artificielle évalués pour la classification de la malignité des nodules pulmonaires au scanner thoracique ont montré une sensibilité élevée (88 %) mais une spécificité modérée (75 %), soutenant un rôle potentiel dans les stratégies d’exclusion d'un cancer pulmonaire étude).

9:30

Selon une étude publiée dans The Journal of Nuclear Medicine, un nouveau système de TEP-TDM à champ de vision à long axe (LAFOV), utilisant des détecteurs de 30 mm au germanate de bismuth (BGO) avec des photomultiplicateurs au silicium offre une qualité d’image supérieure à la TEP-TDM à champ de vision court-axial (SAFOV) malgré des réductions marquées du temps d’acquisition, avec des caractéristiques de bruit comparables sur plusieurs radiopharmaceutiques.
Docteur Imago

GRATUIT
VOIR