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 le 11/09/23 à 13:23 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

28 Oct

16:00

Les radiologues universitaires ayant une carrière active en recherche déclarent disposer plus fréquemment des ressources nécessaires pour la recherche (temps, ressources financières, motivation) que les radiologues moins actifs dans ce domaine (étude).

13:47

La quatorzième édition de la Journée mondiale de la radiologie aura lieu le 8 novembre 2025. L'objectif de cette initiative est de mieux faire connaître la valeur ajoutée de la radiologie et d'améliorer la compréhension du grand public sur le rôle essentiel des professionnels de l'imagerie dans le parcours de soins.

7:30

Des chercheurs chinois ont développé un modèle basé sur l'apprentissage profond pour générer des caractéristiques propres à la tomosynthèse à partir d'images de mammographie numérique. Il a permis d'améliorer la précision diagnostique et la caractérisation des lésions, assurent-ils dans European Journal of Radiology.
27 Oct

16:00

Dans un communiqué daté du 22 octobre 2025, le Conseil national de l'Ordre des médecins critique le projet de loi de financement de la sécurité sociale pour 2026. « L’intérêt du patient est relégué derrière la logique financière », juge-t-il, appelant à une « consultation élargie ».
Docteur Imago

GRATUIT
VOIR