Imagerie thoracique

Quelle place pour l’IA dans la lutte contre la Covid-19 ?

Une session du RSNA 2020 consacrée au rôle de l'IA dans la pandémie de Covid-19 a réuni des intervenants chinois et américains. Ils ont dressé le bilan des atouts et des limites de l'intelligence artificielle, et appelé à un contrôle qualité plus strict des produits.

icon réservé aux abonnésArticle réservé aux abonnés
Le 01/12/20 à 8:00, mise à jour aujourd'hui à 15:12 Lecture 3 min.

Pour l’orateur chinois Shi-Yuan Liu, radiologue à l’hôpital Changzheng à Shanghai, l’IA permet aux radiologues de travailler plus efficacement. capture d'écran RSNA 2020

Les deux thèmes phares du RSNA 2020 se sont partagé l’affiche au premier jour du congrès. L'intelligence artificielle et la Covid-19 étaient au programme d’une session commune le 29 novembre, lors de laquelle un radiologue américain et un radiologue chinois ont présenté leurs retours d’expérience respectifs sur l’utilisation de l’IA pour l’aide à la décision dans le contexte de Covid-19.

Détection et prédiction

Face à la pandémie, les besoins d’un outil d’IA se sont concentrés dans un premier temps sur le diagnostic initial, explique Greg Zaharchuk, professeur de radiologie à l’université de Stanford. « C’était un paramètre très important dans la première phase épidémique, lorsque les systèmes de santé ont été submergés et que les radiologues ne connaissaient pas cette nouvelle maladie », observe-t-il.
Désormais, le diagnostic initial de la Covid-19 n’est plus une problématique de premier plan et les besoins d’outils d’IA s’orientent plus vers la prédiction de l’évolution de la maladie, p

Il vous reste 79% 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. Mei X., Lee H.-C., Yang Y. et coll., « Artificial intelligence-enabled rapid diagnosis of patients with COVID-19 », Nature Medicine, mai 2020, vol. 26, p. 1224-1228. DOI : 10.1038/s41591-020-0931-3.
  2. Li M. D., Arun N. T., Gidwani M. et coll., « Automated assessment and tracking of COVID-19 pulmonary disease severity on chest radiographs using convolutional siamese neutral networks », Radiology : Artificial Intelligence, juillet 2020, vol. 2, n° 4. DOI : 10.1148/ryai.2020200079.
  3. Li L., Qin L., Xu Z. et coll., « Using artificial intelligence to detect COVID-19 and Community-acquired pneumonia based on pulmonary CT: Evaluation of the diagnostic accuracy », Radiology, août 2020, vol. 296, n° 2. DOI : 10.1148/radiol.2020200905.

Spécialité médicale

Pneumologie

Modalité d’imagerie

Scanner Radiologie conventionnelle

Mots-clés

intelligence artificielle COVID-19 RSNA 20

Discussion

Aucun commentaire

Laisser un commentaire

Sur le même thème

Le fil Docteur Imago

30 Sep

15:38

Un nouveau centre d’imagerie médicale a été ouvert par Maine image santé à Sablé-sur-Sarthe (72) ce lundi 22 septembre 2025, annonce le média Ouest France.

15:00

13:09

Un article publié dans Insights into Imaging, fournit un consensus d’experts pour la biopsie des lésions mammaires et la re-biopsie en cas de discordance radiologique-pathologique ou de signes de potentiel malin incertain.

7:04

Dans une étude, des chercheurs ont développé et validé un modèle de stratification du risque pancréatique basé sur IRM pour la prédiction du pronostic et l’orientation thérapeutique de l’adénocarcinome canalaire pancréatique (PDAC). Ils ont de fait démontré que le modèle M-PRiSM prédit efficacement la survie globale postopératoire et identifie les patients PDAC susceptibles de bénéficier d’un traitement adjuvant.

7:00

29 Sep

16:03

Dans une étude présentée dans JACR, l'utilisation de comptes rendus préliminaires générés par IA a permis à 5 radiologues de réduire le temps d'interprétation des radiographies thoraciques (de 25,8 à 19,3 secondes en moyenne). Toutefois, des variations dans les scores de qualité, notamment pour les examens montrant des anomalies, soulèvent la nécessité d'une utilisation supervisée de l'IA, estiment les auteurs.
✕
Docteur Imago

GRATUIT
VOIR