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 le 11/09/23 à 13:23 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.

Discussion

Aucun commentaire

Laisser un commentaire

Sur le même thème

Le fil Docteur Imago

15 Juil

16:00

Un « potentiel prometteur » des modèles de langages dans les classifications radiologiques. Selon une étude parue le 7 juillet, ces modèles ont montré une justesse dans la classification générale des fractures, mais des limites de classifications détaillées confirme le besoin de validation par les professionnels de santé avant une véritable utilisation.

13:54

PANCANAI, un modèle d’intelligence artificielle, montre une haute sensibilité dans la détection du cancer du pancréas sur les scanners, dans une large étude rétrospective de cohorte, publiée dans la revue Investigate Radiology.

7:30

En Australie et Nouvelle Zélande, les radiologues en imagerie oncologique préfèrent utiliser des rapports structurés sans terminologies pré-écrite. Selon une étude publiée dans JMIRO, l’utilisation des rapports plus structuré est plus importante dans les pays ou la pratique de l'imagerie oncologique est plus importante et le personnel mieux formé.
11 Juil

17:17

D'après un nouvelle étude menée par une équipe germano-américaine et publié par European Journal of Radiology, la réussite de la mise en place de l'IA nécessite une organisation solide et une équipe de surveillance aguerri pour superviser l'évolution, le déploiement et la maintenance continue des algorithmes.

16:13

Selon une étude publiée dans Academic Radiology, des QCM générés par ChatGPT comme outil de renforcement des connaissances ont obtenu des taux de réussite très proche de ceux de radiologues expérimentés. Malgré une qualité jugée assez proche, une partie des étudiants ont reconnu les QCM écrits par des radiologues.
Docteur Imago

GRATUIT
VOIR