Aide au diagnostic

Un logiciel de recherche d’images diminue de 31 % le temps de lecture des scanners thoraciques

Dans le cadre d'une étude présentée dans European Radiology, un système de recherche d'images basé sur le contenu appliqué au diagnostic de pneumopathies interstitielles diffuses a réduit de 31 % le temps de lecture sans perte de précision diagnostique.

icon réservé aux abonnésArticle réservé aux abonnés
Le 30/09/22 à 7:00, mise à jour aujourd'hui à 15:08 Lecture 2 min.

Le système de recherche d'image par le contenu employé dans l'étude s'exécute depuis le PACS. Il propose les diagnostics les plus probables pour un scanner thoracique à partir d'une base de données de 6542 scanners thoraciques labellisés. © Röhrich et al, European Radiology | CC BY 4.0 (no changes made)

Un système de recherche d'images basé sur le contenu entraîne une diminution du temps de lecture de 31 % des scanners thoraciques de patients présentant une pneumopathie interstitielle diffuse, d'après une étude autrichienne publiée le 2 juillet dans European Radiology [1]. L'utilisation du logiciel est en outre associée à une tendance à une meilleure précision diagnostique.

Un manque d'évaluation en pratique clinique

Les systèmes de recherche d'images basés sur le contenu analysent de façon directe les caractéristiques d’un cliché puis trouvent des images aux caractéristiques voisines dans une base de données. Plus connus sous leur acronyme anglais CBIRS (Content-based image retrieval systems), ils permettent à partir du PACS de relier « en direct » les images observées à des cas similaires, voire à des ressources pédagogiques susceptibles d'éclairer le diagnostic comme Radiopaedia. Problème : en vogue, la recherche sur les CBIRS souffre du manque d'évaluation des bénéfices de ces logic

Il vous reste 67% 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

François Mallordy

Journaliste rédacteur spécialisé

Voir la fiche de l’auteur

Bibliographie

  1. Röhrich S., Heidinger B. H., Prayer F., « Impact of a content-based image retrieval system on the interpretation of chest CTs of patients with diffuse parenchymal lung disease », European Radiology, juillet 2022. DOI : 10.1007/s00330-022-08973-3.
  2. Choe J., Hang H. J., Seo J. B. et coll., « Content-based image retrieval by using deep learning for interstitial lung disease diagnosis with chest CT », Radiology, octobre 2021, vol. 302, n° 1. DOI : 10.1007/s00330-022-08973-3.

Spécialité médicale

Pneumologie

Modalité d’imagerie

Scanner

Mots-clés

poumon scanner thoracique

Discussion

Aucun commentaire

Laisser un commentaire

Sur le même thème

Le fil Docteur Imago

23 Oct

16:18

Le score de Kaiser en IRM mammaire présente une excellente précision diagnostique pour distinguer les lésions bénignes des lésions malignes chez les patientes présentant des anomalies BI-RADS 0 ou 4 en imagerie conventionnelle (étude).

15:00

13:16

Chez les patients obèses, le scanner à comptage photonique (PCCT) offre une meilleure qualité d’image que le scanner conventionnel (EID CT), avec un meilleur contraste et un rapport signal/bruit supérieur. Il permet également de réduire significativement la dose d’irradiation, en maintenant une bonne qualité diagnostique (étude).

7:45

Une étude a comparé un système d’intelligence artificielle aux critères PI-RADS pour la détection du cancer de la prostate cliniquement significatif en IRM, démontrant une sensibilité non inférieure à l’échelle du patient, mais inférieure à l’échelle lésionnelle. L’IA pourrait compléter PI-RADS pour optimiser le triage des biopsies, notamment des lésions indéterminées PI-RADS 3, concluent les chercheurs.

7:00

22 Oct

15:30

Une équipe de chercheurs a développé un système d’intelligence artificielle multimodale combinant imagerie médicale et données cliniques pour prédire la survie à 24 mois de patients atteints d’un cancer de la prostate métastatique résistant à la castration, traités par radiothérapie vectorisée ciblant le PSMA. Ce modèle affiche des performances prometteuses pour la stratification pronostique et l’aide à la décision clinique.
✕
Docteur Imago

GRATUIT
VOIR