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 14:08 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

Spécialité médicale

Neurologie Oncologie

Modalité d’imagerie

IRM

Mots-clés

intelligence artificielle radiothérapie

Discussion

Aucun commentaire

Laisser un commentaire

Sur le même thème

Le fil Docteur Imago

27 Fév

17:51

Une revue systématique et méta-analyse a évalué la performance de l'IA pour la détection des épanchements du coude en radiographie. Les résultats montrent une sensibilité et une spécificité élevées et comparables entre l’IA et les médecins, sans différence significative.

17:49

Une étude conclut que l'angiomammographie constitue une alternative viable à l’évaluation de l'atteinte du complexe mamelon-aréolaire dans le cancer du sein, en particulier dans les cas de contre-indications à l’IRM.

17:09

Une revue, analysant 10 ans de littérature sur la neuroradiologie en pédiatrie et fœtale sur l’IA, conclu que les collaborations interinstitutionnelles continues peuvent faciliter l’intégration de l’IA dans la neuroradiologie pédiatrique, en complétant les radiologues et en améliorant les soins pédiatriques.

15:00

7:00

26 Fév

15:23

Une revue narrative analyse l’état actuel de l’intelligence artificielle en neuroradiologie pédiatrique et fœtale, en mettant en évidence ses performances prometteuses en segmentation, détection, classification et pronostic, notamment grâce à l’apprentissage profond. Malgré ces avancées, son adoption clinique demeure limitée en raison de coûts élevés, du manque de grandes bases de données pédiatriques et de défis éthiques et réglementaires, nécessitant des efforts collaboratifs pour favoriser son intégration sécurisée.  
✕
Docteur Imago

GRATUIT
VOIR