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 15:10 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

21 Juil

17:00

Combiner une séquence intracrânienne et intraspinale pondérée T1 avec contraste et une séquence intracrânienne pondérée en diffusion améliore l'évaluation de la réponse tumorale chez des patients atteints de médulloblastome traités par thérapie antiangiogénique métronomique. Étude.

11:51

Le dépistage biennal par scanner à faible dose (LDCT) du cancer du poumon, incluant les non-fumeurs, pourrait être rentable et mériter d’être pris en compte à Singapour, selon une étude publiée dans JAMA Network Open.

7:45

Dans une étude rétrospective avec un suivi à 5 ans, la chimioembolisation transartérielle (TACE) a amélioré l'éligibilité à la chirurgie et la survie de patientes atteintes de cancer cervical de stade IB3 ou IIA2. En revanche, elle n'a rien changé pour les cancers de stade IIB ou IIIA.
20 Juil

7:23

L'International Society of Magnetic Resonance in Medicine (ISMRM) organise trois jours d'ateliers de travail autour de l'imagerie et de la spectroscopie par résonance magnétique appliquée au diagnostic des maladies mentales et neurodégénératives, du 25 au 27 août 2026 à Saint-Sulpice, en Suisse. Lire dans notre agenda.
Docteur Imago

GRATUIT
VOIR