Médecine prédictive

L’IA analyse des images IRM pour présager des résultats de la radiothérapie

Une étude canadienne démontre la faisabilité d'une prédiction précoce des résultats d’une radiothérapie des métastases cérébrales grâce à l’intelligence artificielle et aux caractéristiques extraites d’images IRM.

icon réservé aux abonnésArticle réservé aux abonnés
Le 05/01/23 à 8:00, mise à jour aujourd'hui à 15:09 Lecture 2 min.

La réponse à la radiothérapie était classée soit « contrôle local » (« LC » tumeur stable ou en diminution, réponse partielle ou réponse complète au traitement), soit « échec local « (« LF » tumeur en expansion associée à une maladie progressive) sur la base des changements de taille de la tumeur lors du suivi par imagerie. Seyed Ali Jalalifar et coll. 2022 - Creative Commons CC BY 4.0

Au Canada, des chercheurs de l’université York, à Toronto, ont développé des modèles d’apprentissage profond pour prédire les résultats d’une radiothérapie chez des patients atteints de métastases cérébrales en se basant sur des images IRM. Leurs travaux font l’objet d’un article paru dans la revue IEEE Journal of Translational Engineering in Health and Medicine en novembre 2022 [1].

124 patients et 156 lésions

Les auteurs ont utilisé les données de 124 patients atteints de métastases cérébrales, traités par radiothérapie stéréotaxique hypofractionnée. « Dans cette étude, l'IRM baseline de planification du traitement, y compris les images pondérées en T1 et T2 FLAIR, a été appliquée pour les résultats du traitement », précisent-ils. Les patients (âge moyen : 62 ± 15 ans ; 40 % d'hommes et 60 % de femmes) étaient porteurs de tumeurs de 2 ± 1,03 cm en moyenne. « L'ensemble de données (124 patients avec 156 lésions) a été divisé de manière aléatoire en un ensemble d'entraînement (99 patient

Il vous reste 74% 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. Jalalifar S. A., Soliman H., Sahgal A. et coll., « A self-attention-guided 3D deep residual network with big transfer to predict local failure in brain metastasis after radiotherapy using multi-channel MRI », Journal of Translational Engineering in Health and Medicine, novembre 2022, vol. 11, p. 13-22. DOI : 10.1109/JTEHM.2022.3219625

Discussion

Aucun commentaire

Laisser un commentaire

Sur le même thème

Le fil Docteur Imago

10 Avr

15:32

Un modèle d’IA à apprentissage profond montre un potentiel en tant qu’outil de dépistage opportuniste de la santé osseuse chez les enfants, selon une étude publiée dans Radiology.

13:14

Les événements de sécurité des patients en radiologie représentent une faible proportion des incidents (3,2 %), mais révèlent des vulnérabilités importantes, notamment chez les enfants et les personnes âgées, avec un risque élevé lié aux médicaments et aux produits de contraste, selon une étude publiée dans Current Problems in Diagnostic Radiology

7:13

Les patientes atteintes d’un cancer du sein qui développent un dysfonctionnement cardiaque lors d’une chimiothérapie néoadjuvante subissent également une perte de tissu cérébral significativement plus importante que celles dont la fonction cardiaque reste stable, selon une étude publiée dans Academic Radiology.
09 Avr

16:21

Une étude multicentrique publiée dans European Radiology montre qu’un modèle de deep learning combinant nnU-Net et ConvNeXt-tiny permet d’évaluer avec précision l’invasion musculaire dans le cancer de la vessie à partir d’IRM, avec des performances élevées et stables.
Docteur Imago

GRATUIT
VOIR