Recherche

Un programme évalue automatiquement les changements longitudinaux importants entre images

Une équipe américaine de chercheurs en intelligence artificielle en radiologie a développé un programme d’analyse des changements longitudinaux entre images. Baptisé LILAC, cet outil en libre accès a fait l’objet d’une première publication dans PNAS, qui a testé ses performances en IRM cérébrale.

icon réservé aux abonnésArticle réservé aux abonnés
Le 19/05/25 à 7:00, mise à jour le 19/05/25 à 9:59 Lecture 3 min.

LILAC s’est illustré dans la prédiction de l’évolution du score de démence CDR-SB des patients au fil du temps en fonction de leurs images cérébrales. Les cartes de saillance associées suggèrent que le modèle utilise des régions différentes du cerveau pour prédire ce score, suivant qu’il est entraîné à prendre en compte (en bas) ou non (en haut) le sexe et la différence d’âge des patients. © Kim et al, 2025 | PNAS | CC BY 4.0

L’analyse longitudinale des images est particulièrement pertinente dans les dépistages, qu’ils soient réalisés par IRM, scanner ou mammographie. Aujourd’hui, les images doivent faire l’objet de prétraitements fastidieux avant d’être analysées, pour en extraire les changements cliniquement pertinents au fil du temps. Afin de se débarrasser de cette étape de prétraitement des images, des chercheurs de l’école de médecine new-yorkaise Weill Cornell Medicine (États-Unis) ont développé un nouvel outil baptisé LILAC. Il a fait l’objet le 20 février 2025 d’une publication dans la revue PNAS [1].

Comparaison par paires

LILAC est un acronyme de l’anglais learning-based inference of longitudinal image changes, signifiant « inférence basée sur l’apprentissage automatique de changements d’images longitudinaux ». « Notre méthode effectue une comparaison par paires d’images longitudinales afin d’établir une prédiction de la différence temporelle », expliquent les auteurs dans l’abstract de la publicat

Il vous reste 80% 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

Bibliographie

  1. Kim H, Karaman BK, Zhao Q, et al (2025) Learning-based inference of longitudinal image changes : Applications in embryo development, wound healing, and aging brain. Proceedings of the National Academy of Sciences, 122 (8). https://doi.org/10.1073/pnas.2411492122.

Modalité d’imagerie

IRM

Mots-clés

recherche IRM cérébrale apprentissage machine innovation intelligence artificielle

Discussion

Aucun commentaire

Laisser un commentaire

Le fil Docteur Imago

28 Nov

16:34

L'administration intramusculaire de glucagon et en intraveineuse de bromure de butylhyoscine n'a pas permis de réduire significativement les artefacts de mouvement ni d'améliorer la visualisation de la prostate sur les séquences pondérées en T2, indique une étude.

15:00

13:00

11:00

Plusieurs associations de radiologie pédiatrique ont fait une déclaration commune pour encadrer l'IA car peu adapté aux enfants. "Les enfants diffèrent considérablement des adultes en termes de physiologie, de développement et de besoins cliniques, ce qui nécessite des approches sur mesure pour une intégration sûre et efficace des outils d'IA", explique-t-il dans une étude.

7:16

Une étude suggère l'élaboration de lignes directrices spécifiques au service de radiologie dans le but de garantir la mise en œuvre efficace des soins en tenant compte des traumatismes liés à l'accident du patient.

7:00

✕
Docteur Imago

GRATUIT
VOIR