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 15:17 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

02 Juil

16:36

Une étude publié dans Nature présente AR-VIU, une plateforme de réalité augmentée qui affiche en temps réel des échographies 3D volumétriques, facilitant la perception de l’anatomie et l’interprétation des images. Les résultats montrent qu’elle améliore significativement la précision des utilisateurs, réduit les écarts de performance entre novices et experts, et accélère l’apprentissage de l’échographie.

7:28

Selon une étude, 8 % des femmes sans antécédent cardiovasculaire majeur présentent des calcifications artérielles mammaires (BAC) au dépistage mammographique. Leur signalement pourrait constituer une opportunité de dépistage précoce du risque cardiovasculaire et orienter vers une évaluation préventive.
01 Juil

16:00

Une étude menée auprès d'enfants dont certains ayant été infectés par le SARS-CoV-2, montre qu’environ dix mois après l’infection, les anomalies radiographiques thoraciques sont légèrement plus fréquentes chez les enfants infectés, principalement sous la forme d’un épaississement péribronchique périhilaire.

13:30

Gleamer, filiale de DeepHealth annonce avoir reçu un marquage CE pour sa solution LumbarMR® dédiée à l'IRM du rachis lombaire.

7:48

Le challenge d'intelligence artificielle du congrès 2026 de la Société nord-américaine de radiologie sera dédié à l'IRM du genou. Les participants devront développer des modèles d'IA capables d'identifier les anomalies et de faciliter la prise en charge des patients.
Docteur Imago

GRATUIT
VOIR