Coroscanner

Un nouveau biomarqueur basé sur l’IA pour prédire le risque cardiaque

Une équipe britannique a développé un biomarqueur d’imagerie basé sur l’intelligence artificielle. Cette méthode permettrait de détecter les signes précoces associés à la coronaropathie et de prédire une crise cardiaque 5 ans avant sa survenue.

icon réservé aux abonnésArticle réservé aux abonnés
Le 02/10/19 à 15:00, mise à jour aujourd'hui à 15:14 Lecture 1 min.

Les chercheurs d'Oxford ont analysé le profil radiomique du tissu adipeux périvasculaire coronarien pour développer un dispositif capable d’améliorer la prédiction des risques cardiaques (photo d’illustration) (photo d'illustration). CC0 Public Domain/Pexels.com

Des chercheurs de l’université d’Oxford (Royaume-Uni) ont développé une nouvelle méthode basée sur l'intelligence artificielle pour prédire le risque cardiaque. Dans leurs travaux, les scientifiques ont analysé le profil radiomique du tissu adipeux périvasculaire (PVAT) coronarien.

Au-delà de l'inflation

Grâce à l’apprentissage profond, l’équipe menée par le professeur de cardiologie Charalambos Antoniades, a mis au point un biomarqueur d’imagerie baptisé « fat radiomic profile » (FRP). Ce dernier permettrait de détecter les changements structurels périvasculaires associés à la coronaropathie, au-delà de l’inflammation.

Analyser les caractéristiques radiomiques sur les scanners

Les chercheurs présentent leurs travaux dans le numéro de septembre de la revue European Heart Journal [1]. Dans un premier temps, ils ont collecté des biopsies de tissu adipeux de 167 patients qui avaient subi une chirurgie cardiaque. Ils ont analysé l'expression de gènes liés à l'inflammation et à la fibrose, asso

Il vous reste 62% 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. Oikonomou E. K., Williams M. C., Kotanidis C. P. et coll., « A novel machine learning-derived radiotranscriptomic signature of perivascular fat improves cardiac risk prediction using coronary CT angiography », European Heart Journal, 3 septembre 2019. DOI : https://doi.org/10.1093/eurheartj/ehz592.

Discussion

Aucun commentaire

Laisser un commentaire

Sur le même thème

Le fil Docteur Imago

12:59

Dans une étude évaluant des examens de scanner et TEP-TDM, trois logiciels d’IA commerciaux ont montré des performances comparables pour la détection des nodules pulmonaires cliniquement pertinents, malgré des différences importantes dans le nombre total de détections et de faux positifs.

7:44

Les réactions croisées d'hypersensibilité entre les produits de contraste iodés non ioniques dépendent principalement de la structure de leurs chaînes latérales, avec un risque particulièrement élevé au sein du groupe comprenant l’iohexol, l’iomeprol, l’ioversol et l’iodixanol, selon une étude présentée dans EJR. « Choisir une alternative issue d’un autre groupe structurel semble être une stratégie efficace pour atténuer la récidive dans des scénarios à haut risque », estiment les auteurs.
25 Juin

16:10

Chez des hommes à haut risque de cancer de la prostate mais dont l'IRM est non suspecte ou équivoque, le PET-CT au [68Ga]Ga-PSMA-11 a permis de détecter les cancers cliniquement significatifs avec une efficacité comparable à celle de la biopsie systématique, indique une étude publiée dans The Lancet Oncology.

11:00

Les modèles d’intelligence artificielle de type YOLO, notamment YOLOv8, peuvent aider à détecter les fractures tibiales discrètes chez les enfants de moins de trois ans, avec des performances améliorées grâce au module CBAM, selon une étude.
Docteur Imago

GRATUIT
VOIR