ECR 2022

Quelle place pour l’IA dans l’imagerie thoracique des enfants ?

Les applications d'IA se multiplient en imagerie thoracique mais très peu se destinent aux enfants. Une session du Congrès européen de radiologie 2022 s'est intéressée à ce phénomène et aux potentielles applications de l'IA en imagerie thoracique pédiatrique.

icon réservé aux abonnésArticle réservé aux abonnés
Le 03/03/22 à 8:00, mise à jour hier à 15:12 Lecture 3 min.

Selon Steven Schalekamp, les principaux défis en radiopédiatrie restent le manque de données disponibles et de recherches cliniques. capture d'écran ECR 2022

La radiopédiatrie reste peu explorée par les concepteurs de solutions d’intelligence artificielle (IA). Steven Schalekamp, radiologue à l’hôpital universitaire Radboud à Nijmegen (Pays-Bas) s’est intéressé aux applications émergentes de l’IA en imagerie thoracique pédiatrique. Il a fait part de ses observations lors d’une session du Congrès européen de radiologie (ECR), mercredi 2 mars.

57 logiciels pour l'imagerie thoracique

L’imagerie thoracique est, avec la neuroradiologie, la surspécialité d’imagerie où les logiciels d’IA marqués CE sont les plus nombreux, selon le site AI for Radiology. « Sur 191 produits d’IA marqués CE pour l’imagerie médicale, 57 concernent l’imagerie thoracique et sont commercialisés par 28 vendeurs. Environ 50 % de ces logiciels sont destinés à la radiographie. Aucun n’est spécifiquement conçu pour les enfants », remarque Steven Schalekamp.
En radiographie thoracique, les logiciels d’IA sont principalement conçus pour la détection du pneumothorax, des nodules pu

Il vous reste 78% 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. Mahomed N., van Ginneken B., Philipsen R. H. H. M. et coll., « Computer-aided diagnosis for World Health Organization-defined chest radiograph primary-endpoint pneuonia in children », Pediatric Radiology, 2020, vol. 50, p. 482-491. DOI : 10.1007/s00247-019-04593-0.
  2. Chen Y., Robert C. S., Ou W. et coll., « Deep learning for classification of pediatric chest radiographs by who standardized methodology », PLOS One, juin 2021. DOI : 10.1371/journal.pone.0253239.

Discussion

Aucun commentaire

Laisser un commentaire

Sur le même thème

Le fil Docteur Imago

15 Juil

16:00

Evolucare devient le premier éditeur référencé sur les deux volets du couloir Imagerie du Ségur avec son RIS Evolucare Imaging®, après le référencement Ségur de sa DRIMbox, annonce un communiqué de la société.

13:34

La consommation énergétique en IRM est principalement liée à l’utilisation des gradients, les séquences ep2D DWI et DTI étant les plus énergivores. Le choix de séquences moins consommatrices, dans un contexte clinique approprié, peut réduire la consommation d’énergie par séquence de 20 à 49 % (étude).

7:31

Une méta-analyse de 23 études démontre que la TEP-TDM au [18F]FDG et l’IRM pelvienne présentent une sensibilité comparable pour la détection des métastases ganglionnaires latérales dans le cancer du rectum. En revanche, la TEP-TDM au [18F]FDG peut aider à exclure les faux positifs, évitant ainsi les dissections latérales des ganglions lymphatiques et la morbidité associée.
13 Juil

17:51

Des modèles d’apprentissage profond ont montré des performances diagnostiques comparables ou meilleures que celles des médecins expérimentés pour la détection du cancer du pancréas sur des examens de scanner, rapporte une étude présentée dans Radiology.
Docteur Imago

GRATUIT
VOIR