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

Auteurs

François Mallordy

Journaliste rédacteur spécialisé

Voir la fiche de l’auteur

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

intelligence artificielle recherche IRM cérébrale apprentissage machine innovation

Discussion

Aucun commentaire

Laisser un commentaire

Le fil Docteur Imago

31 Juil

16:28

Une étude parue dans la revue phiRO conclut qu'une architecture PocketNet offre une segmentation automatisée fiable des organes gynécologiques et des tumeurs cervicales sur IRM pondérée en T2, avec des performances comparables à celles d’un nnUNet de taille réelle tout en nécessitant beaucoup moins de mémoire et de temps d’entraînement.

8:00

Le CHU de Montpellier annonce avoir mené la prise en charge d'un AVC en 16 minutes, de l'admission du patient à la recanalisation, grâce à une organisation adaptée, qui nous avions présentée en 2023.

7:00

30 Juil

17:38

Des chercheurs ont développé un nouveau détecteur de rayons X qu’ils disent capable de produire des images plus nettes à des doses de radiation plus faibles. Les résultats de leur étude ont été publié dans National Science Review.

13:52

7:30

Selon une étude, les examens de TEP-TDM devraient être envisagés comme examen de première intention pour diagnostiquer les patients atteints de fièvre d'origine inconnue. Les chercheurs mettent en avant la performance diagnostique et l'impact vertueux sur la prise en charge des patients
✕
Docteur Imago

GRATUIT
VOIR