Imagerie thoracique

L’intelligence artificielle voit la tuberculose sur les radios des poumons

Des chercheurs américains ont mis au point un système d’intelligence artificielle capable de délivrer un diagnostic de tuberculose à partir de radiographies pulmonaires. Une avancée importante pour les pays en voie de développement, où cette pathologie est encore très présente.

icon réservé aux abonnésArticle réservé aux abonnés
Le 23/10/17 à 7:00, mise à jour aujourd'hui à 14:29 Lecture 1 min.

Testé sur 150 cas, le programme d'intelligence artificielle ne s'est trompé que 13 fois. Ici, la tuberculose a été detectée dans la zone rouge, au sommet du poumon gauche. © Paras Lakhani

Cela se passe aux États-Unis, à Philadelphie. Paras Lakhani, radiologue à l'hôpital universitaire Thomas Jefferson, et son équipe ont travaillé sur un modèle d’intelligence artificielle capable de reconnaître la tuberculose sur les radiologies pulmonaires de patients. Le dispositif a été pensé « comme un cerveau », expliquent-ils dans un article de la revue Radiology [1].

99 % de précision

Pour le développer, les chercheurs lui ont fourni une base de données de 1 007 images radiologiques de patients, malades ou non. Ils l’ont ensuite testé sur 150 cas afin d’évaluer son degré de réussite. L’intelligence artificielle ne s’est trompée que 13 fois. Et si l’on couple ce diagnostic avec celui d’un radiologue, la précision du modèle atteint presque les 99 %.

Combattre la tuberculose dans les pays en développement

Selon l’Organisation mondiale de la santé, la tuberculose est l'une des 10 principales causes de décès dans le monde. En 2016, elle a touché plus de 10 millions de personnes et entraîné

Il vous reste 32% 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

Sihem Boultif

Bibliographie

    1. Lakhani, P., « Deep Learning at Chest Radiography : Automated Classification of Pulmonary Tuberculosis by Using Convolutional Neural Networks », Radiology, août 2017, vol. 284, n° 2. DOI : 1148/radiol.2017162326

Modalité d’imagerie

Radiologie conventionnelle

Mots-clés

intelligence artificielle diagnostic

Discussion

2 commentaires

Commenter cet article

Laisser un commentaire

Sur le même thème

Dans le dossier

icon réservé aux abonnés Les enjeux de l’intelligence artificielle

Voir le dossier

Le fil Docteur Imago

16 Jan

15:29

Un tissu mammaire dense réduit la performance de la tomosynthèse mammaire numérique, selon une étude publiée dans Academic Radiology. « Ces résultats soulignent la nécessité de rapporter et de prendre en compte la densité mammaire dans les recommandations de dépistage. »

13:27

Vidi Capital finalise son rapprochement avec le groupe IMAC à Cholet, qui rejoint le réseau. Cette opération porte à 110 le nombre de médecins en exercice, répartis au sein de sept entités et IMAC devient ainsi le deuxième groupe des Pays-de-la-Loire à s’adosser à Vidi Capital, après Vidi – Rad’Yon, annonce un communiqué de presse.

7:13

Bayer a annoncé la conclusion d’accords définitifs pour l’acquisition auprès d’Attralus de deux agents d’imagerie moléculaire expérimentaux, AT-01 et AT-05, destinés au diagnostic de l’amyloïdose cardiaque. Cette opération stratégique renforce la position de Bayer dans l’imagerie moléculaire et s’inscrit dans le développement de sa stratégie de cardiologie de précision, annonce un communiqué.

7:00

15 Jan

15:14

Les élections de l’European Society of Radiology (ESR) se tiendront du 8 au 21 janvier 2026. Deux candidates soutenues par la SFR, les professeurs Isabelle Thomassin-Naggara et Corinne Balleyguier, présentent leur candidature. Les radiologues français membres de l’ESR sont appelé à se mobiliser en votant par courriel : voting@polyas.com.

13:13

Bien que les unités mobiles de mammographie puissent améliorer l’accès aux soins pour des populations médicalement défavorisées, une étude pilote publiée dans Academic Radiology, met en lumière des opportunités pour promouvoir un suivi rapide et équitable des mammographies de dépistage anormales grâce à une meilleure navigation des patients, un soutien social et une aide financière.
✕
Docteur Imago

GRATUIT
VOIR