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 15:10 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

Scanner Radiologie conventionnelle

Mots-clés

ECR 2022 intelligence artificielle radiopédiatrie

Discussion

Aucun commentaire

Laisser un commentaire

Sur le même thème

Le fil Docteur Imago

09 Avr

16:21

Une étude multicentrique publiée dans European Radiology montre qu’un modèle de deep learning combinant nnU-Net et ConvNeXt-tiny permet d’évaluer avec précision l’invasion musculaire dans le cancer de la vessie à partir d’IRM, avec des performances élevées et stables.

15:00

13:17

Une étude pilote a évalué un outil d’IA (BoneView) capable de détecter les fractures liées à la maltraitance chez des enfants de moins de 5 ans, montrant une légère amélioration de sa précision après un premier réentraînement. Ces résultats préliminaires suggèrent qu’un entraînement supplémentaire pourrait permettre d’atteindre des performances cliniquement utiles et renforcer l’aide au diagnostic dans ce contexte.

7:11

Une étude prospective comparant la radiographie conventionnelle à une reconstruction avancée 3D montre que cette dernière détecte toutes les fractures des membres avec une sensibilité de 100 %, contre 46,7 % pour la méthode classique, tout en conservant une excellente spécificité et qualité d’image. Son utilisation aux urgences pourrait améliorer la précision diagnostique, réduire les examens complémentaires et accélérer la prise en charge des patients.

7:00

08 Avr

16:29

Les images monoénergétiques virtuelles, combinées à des algorithmes de réduction des artefacts métalliques créées à partir de scanners à comptage photonique (PCCT), permettent une excellente visualisation des anévrismes intracrâniens préalablement traités et des vaisseaux adjacents, indique une étude. L’extension de ces résultats à des applications cliniques préliminaires chez l’humain s’avère également possible.
✕
Docteur Imago

GRATUIT
VOIR