Intelligence artificielle

L’apprentissage profond scrute les lésions cérébrales au scanner

Grâce au deep learning, une équipe indienne a mis au point des algorithmes capables de détecter « avec précision » les signes d’un traumatisme crânien sur des images de scanner non injecté. Ils pourraient aider à détecter les patients nécessitant une attention urgente.

icon réservé aux abonnésArticle réservé aux abonnés
Le 25/10/18 à 15:00, mise à jour aujourd'hui à 15:18 Lecture 2 min.

Les auteurs de l'étude ont collecté les données de 313 318 scanners cérébraux (photo d'illustration).. Par Lipothymia — Anonymised CT scan from my own practice, CC BY-SA 3.0, Lien

Des scientifiques indiens ont développé et testé des algorithmes capables de détecter des signes de traumatisme crânien sur des images de scanner non injecté. Les signes en question sont les cinq types d’hémorragies intracrâniennes (intraparenchymateuse, intraventriculaire, sous-durale, extradurale et sous-arachnoïdienne), les fractures de la voûte crânienne, l’effet de masse et le déplacement de la ligne médiane.

Des radiologues et des experts en IA

Les chercheurs, emmenés par Sasank Chilamkurthy, ont mené une étude prospective dont ils publient les résultats dans la revue The Lancet [1]. L’équipe se compose d’experts en intelligence artificielle de la société indienne Qure.ai, de scientifiques du Centre de recherche avancée en imagerie de New Dehli, de Mustafa Biviji, radiologue au CT & MRI Center de Nagpur et de Norbert Campeau, radiologue à la Mayo Clinic de Rochester.

Une base de données de plus de 300 000 scanners

Pour réaliser leur étude, ils ont collecté les données de 313 318 scan

Il vous reste 72% 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. Chilamkurthy S., Ghosh R., Tanamala S., « Deep learning algorithms for detection of critical findings in head CT scans : a retrospective study », The Lancet, 11 octobre 2018, publication en ligne. DOI : 10.1016/S0140-6736(18)31645-3

Discussion

Aucun commentaire

Laisser un commentaire

Sur le même thème

Le fil Docteur Imago

14:09

Une méta-analyse parue dans Academic Radiology indique que le scanner basé sur l’IA a démontré des performances diagnostiques supérieures à celles des cliniciens pour identifier ≥50 % de sténose dans les artères coronaires et a montré d’excellentes performances diagnostiques pour reconnaître ≥70 % de sténose coronaire et de plaque calcifiée.

7:30

Les critères RECIST 1.1 sont recommandés pour l’évaluation des métastases hépatiques après un traitement systémique. Les modifications au scanner et IRM suggérant une nécrose, une fibrose, des calcifications et une hémorragie peuvent être utilisées comme indicateurs supplémentaires de la réponse tumorale, indique une étude publiée dans European Radiology.
30 Avr

16:00

Par rapport à la mammographie, le dépistage par tomosynthèse permettrait de détecter 56 cancers invasifs de plus et 18 cancers d'intervalle de moins pour 100 000 femmes invitées au dépistage (étude).

14:00

Des améliorations apportées au dossier patient électronique ont permis de réduire de 46 % la durée avant les examens de scanner au service des urgences (étude).
Docteur Imago

GRATUIT
VOIR