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 14:12 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

17 Mar

16:22

Le [64Cu]Cu-NOTA-anti-EphA2-Mb serait un agent immuno-TEP prometteur pour identifier les patients susceptibles de bénéficier de traitements anticancéreux ciblés (étude).

14:14

Un modèle de deep learning améliorait considérablement la rapidité et la précision du diagnostic pour la détection des metastases cérébrales. Le temps de lecture a été réduit de 30,87 %, et la sensibilité est passée de 0,685 à 0,916 grâce à l'utilisation du modèle (étude).

7:30

L'angiomammographie montrerait une sensibilité et une précision élevées dans l'évaluation des asymétries mammographiques, ce qui en ferait un outil intéressant pour exclure les malignités, réduire le nombre de biopsies inutiles et optimiser les parcours de soins (étude).
16 Mar

7:30

L’éditeur Elsevier annonce le lancement de la revue The Lancet Medical Imaging & Theranostics. Elle publiera des travaux de recherche clinique et des articles de réflexion sur les techniques établies ou émergentes en imagerie diagnostique et en radiologie interventionnelle, ainsi que sur les nouvelles applications de l'imagerie pour le dépistage, le diagnostic, le pronostic et le traitement des maladies dans toutes les spécialités médicales, présente un communiqué.
Docteur Imago

GRATUIT
VOIR