Urgences

L’IA améliore la performance des non-radiologues sur les radiographies thoraciques

icon réservé aux abonnésArticle réservé aux abonnés
Le 08/02/24 à 7:00

Dans le cadre de cette étude, 563 radios thoraciques acquises aux urgences ont été évaluées rétrospectivement à deux reprises par trois radiologues certifiés, trois internes en radiologie et trois non-radiologues et ont été comparées à la performance de l’algorithme (photo d'illustration). © Zackstarr - Radiologist | Wikimedia

Une équipe de chercheurs de l'hôpital universitaire de Munich (Allemagne) a évalué un système d’IA basé sur un réseau de neurones convolutifs, pour la détection des pathologies pulmonaires dans un service d'urgence. Les résultats ont fait l'objet d'une publication dans la revue Chest [1].

L’IA formée sur des données publiques et expertes

Cet algorithme d'IA interprétant les radiographies pulmonaires a été entraîné sur des données publiques provenant de plusieurs hôpitaux comportant des consolidations suspectes de pneumonie, des pneumothorax, des nodules et des épanchements pleuraux. Ces pathologies qui nécessitent un traitement immédiat pour déterminer si la maladie est aiguë nécessitent un haut niveau d'expertise pour une évaluation précise. Une tâche qui n'est pas toujours simple pour les non-radiologues des urgences, parfois tenus de prendre seuls des décisions cliniques basées sur les résultats d'imagerie.

563 radios thoraciques évaluées

Dans le cadre de cette étude de validati

Il vous reste 58% 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

Solenn Duplessy

Voir la fiche de l’auteur

Bibliographie

  1. Rudolph J., Huemmer C., Preuhs A. et al., « Non-radiology Healthcare Professionals Significantly Benefit from AI-Assistance in Emergency-Related Chest Radiography Interpretation », Chest, 29 janvier 2024 (pre-proof). DOI : 10.1016/j.chest.2024.01.039.

Spécialité médicale

Oncologie Pneumologie Urgence

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

11 Fév

13:30

Un rapport conjoint publié en janvier 2026, de la joint commission, organisme de certification aux Etats-Unis et du National Quality Forum (NQF), mentionne le « Préjudice au patient associé à une lésion thermique liée à l'IRM », comme un domaine d’inquiétude important. Les deux organismes américains ont aligné leurs listes des événements Sentinel et « événements graves à signaler », afin de simplifier le signalement des événements de sécurité des patients. (Source)

7:16

L’obésité réduit la performance de la radiographie thoracique pour le diagnostic de pneumonie, avec une concordance et une sensibilité nettement inférieures à celles observées chez les patients non obèses. Dans ce contexte, le scanner thoracique démontre une précision diagnostique supérieure pour la pneumonie, chez les patients obèses. (Étude)

7:00

10 Fév

16:00

L'arrêté du 4 février 2026 fixe le contenu et les modalités des appels à candidature pour l'expérimentation du retraitement de certains dispositifs médicaux à usage unique, notamment certains types de cathéters.

14:11

Les modèles de comptes rendus structurés IRM spécifiques à l'endométriose amélioreraient considérablement l'exhaustivité de la documentation par rapport aux modèles généraux et au texte libre (étude).

7:12

Des chercheurs ont développé et validé un modèle pronostique combinant des caractéristiques IRM préthérapeutiques et des données cliniques chez des patients atteints de carcinome hépatocellulaire traités par une chimioembolisation transartérielle, chimiothérapie par perfusion artérielle hépatique et immunothérapie ciblée. Le modèle de synergie imagerie fonctionnelle-fonction hépatique démontre une précision pronostique supérieure à celle des paramètres conventionnels de charge tumorale chez les patients atteints de carcinome hépatocellulaire recevant une thérapie quadruple. De plus, le système de notation à 10 points dérivé permet une stratification des risques cliniquement exploitables. (Étude)  
✕
Docteur Imago

GRATUIT
VOIR