Détection opportuniste du cancer du pancréas

Un modèle d’IA surpasse les radiologues dans la détection du cancer du pancréas au scanner sans injection

Une étude chinoise multicentrique publiée fin novembre dans Nature Medicine a évalué un nouveau logiciel d'apprentissage profond. Appelé Panda, il détecte les adénocarcinomes canalaires pancréatiques ainsi que les sept lésions pancréatiques les plus courantes. L'algorithme dépasserait la limite supérieure de performance des radiologues experts en détection de lésions lors de la lecture d'examens de scanner non injectés.

icon réservé aux abonnésArticle réservé aux abonnés
Le 17/01/24 à 7:00 Lecture 3 min.

Le modèle Panda vise à détecter la présence d’une lésion pancréatique, à la segmenter et à la classer comme adénocarcinome canalaire pancréatique (PDAC sur l'image) ou comme une autre lésion pancréatique, pouvant relever de sept sous-types. © Cao et al, Nature Medicine | CC BY 4.0 DEED

L’adénocarcinome canalaire pancréatique (ACP) est souvent découvert tardivement à un stade inopérable. Un diagnostic précoce pourrait considérablement améliorer son mauvais pronostic, mais la détection opportuniste de lésions pancréatiques a longtemps été tenue pour impossible en scanner non injecté. Toutefois la donne pourrait changer, si l'on en croit une étude parue le 20 novembre 2023 dans Nature Medicine [1]. Dans cette dernière, des radiologues chinois affirment avoir développé une intelligence artificielle (IA) supérieure aux lecteurs humains pour détecter et classer les lésions pancréatiques en scanner non injecté, Panda.

Un modèle validé sur des données multicentriques

Afin de développer ce modèle utilisant l'apprentissage profond, des chercheurs de l’Institut des maladies du pancréas de Shanghai (SIPD) ont entraîné un algorithme sur un jeu de données issues de 3 208 patients traités dans un unique centre du SIPD entre janvier 2015 et octobre 2020. Ce premier modèle a ensuit

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

Solenn Duplessy

Voir la fiche de l’auteur

Bibliographie

  1. Cao, K., Xia, Y., Yao, J., et coll., « Large-scale pancreatic cancer detection via non-contrast CT and deep learning », Nature Medicine, 20 novembre 2023. DOI : 10.1038/s41591-023-02640-w.

Spécialité médicale

Oncologie Hépatologie

Modalité d’imagerie

Scanner

Mots-clés

intelligence artificielle dépistage cancer du pancréas apprentissage profond

Discussion

Aucun commentaire

Laisser un commentaire

Sur le même thème

Le fil Docteur Imago

24 Fév

7:12

Une étude rétrospective a évalué un modèle d’apprentissage profond basé sur le scanner en phase veineuse porte pour distinguer les métastases hépatiques du cancer colorectal des hémangiomes, montrant de bonnes performances globales. L’assistance par DL améliore significativement le diagnostic des lésions de 10 à 30 mm, mais son apport reste limité pour les lésions subcentimétriques, pouvant nécessiter une IRM complémentaire.

7:00

23 Fév

15:51

Des scores de risques fournis par un outil commercial de diagnostic et prédiction automatique ont obtenu une performance « pas significativement différente » à celle des modèles cliniques pour prédire la récidive ipsilatérale après un traitement par chirurgie conservatoire d'un carcinome canalaire in situ (DCIS). Étude.

15:00

13:50

La présence de calcifications aortiques évaluée sur des radiographies thoraciques est associée à une survie globale (HR 1,669 ; IC 95 % = [1083–2572]) et à une survie sans amputation plus faibles (HR 1,587 ; IC 95% = [1041–2420]) après une amputation mineure des extrémités inférieures (étude).

7:30

Les modèles de fondation sont une piste prometteuse pour faire évoluer l'imagerie pédiatrique, concluent les auteurs d'un état de l'art sur le sujet paru dans la revue Pediatric Imaging.
✕
Docteur Imago

GRATUIT
VOIR