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 aujourd'hui à 15:11 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.

Spécialité médicale

Pédiatrie Pneumologie

Modalité d’imagerie

Radiologie conventionnelle Scanner

Mots-clés

ECR 2022 intelligence artificielle radiopédiatrie

Discussion

Aucun commentaire

Laisser un commentaire

Sur le même thème

Le fil Docteur Imago

13 Avr

16:39

Un modèle basé sur l'apprentissage profond capable de prédire l'étendue du noyau ischémique dans les cas de reperfusion réussie et la région combinée de noyau et de pénombre ischémique après l'échec d'une reperfusion a surpassé les méthodes cliniques actuelles basées sur le scanner de perfusion. Étude.

14:38

Chez des patients avec des anévrismes ophtalmiques à collet large non rompus de moins de 10 mm, l'embolisation par flow diverter n'a pas donné de meilleurs résultats que le coiling avec ou sans placement de stent, concluent les auteurs d'un essai randomisé.

7:27

Une étude pilote démontre la performance « favorable » de la TEP au [18F]DASA-23, qui se lie à la pyruvate kinase M2, pour le diagnostic des gliomes de haut grade. « Son absorption après le début de la thérapie pourrait être un marqueur utile pour évaluer l'efficacité du traitement et le pronostic des patients », écrivent les auteurs.

7:00

10 Avr

15:32

Un modèle d’IA à apprentissage profond montre un potentiel en tant qu’outil de dépistage opportuniste de la santé osseuse chez les enfants, selon une étude publiée dans Radiology.

15:00

✕
Docteur Imago

GRATUIT
VOIR