Apprentissage profond

Un système d’IA jugé performant pour le diagnostic de l’ostéoporose

Des radiologues coréens ont développé des modèles de « deep radiomics » pour le diagnostic automatique de l'ostéoporose à partir de radiographies de la hanche. Leur approche pourrait permettre d’adapter la prise en charge des patients avant que les fractures ne se produisent.

icon réservé aux abonnésArticle réservé aux abonnés
Le 09/06/22 à 15:00, mise à jour aujourd'hui à 15:08 Lecture 2 min.

Les auteurs concluent que les modèles développés pouvaient diagnostiquer l'ostéoporose avec une haute performance. Selon eux, ils pourraient servir d'outils de triage pour orienter les patients présentant une forte suspicion d'ostéoporose vers un examen d’ostéodensitométrie. © S.Kim et coll./RSNA 2022

En Corée du sud, des chercheurs ont mis au point un système de « deep radiomics » pour diagnostiquer l’ostéoporose de façon automatique. Leurs résultats sont parus le 25 mai dans Radiology : Artificial Intelligence [1]. La radiomique profonde utilise des réseaux de neurones convolutifs pour extraire directement les caractéristiques de l’image.

4 900 radiographies

Des radiologues du service d’imagerie de l’hôpital universitaire national de Séoul ont développé leurs modèles à l'aide de 4 924 radiographies de la hanche réalisées chez 4 308 patients (3 632 femmes ; âge moyen 62 ans) entre septembre 2009 et avril 2020. Le T-score mesuré par ostéodensitométrie a été utilisé comme norme de référence pour l'ostéoporose.

Sept modèles mis au point

« Sept modèles de deep radiomics ont été développés en combinant différents types de caractéristiques : cliniques (Modèle-C), texture (Modèle-T), deep features (Modèle-D), texture et cliniques (Modèle-TC), deep features et cliniques (Modèle-DC), deep featu

Il vous reste 63% 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. Kim S., Kim B. R., Chae H.-D. Et coll., « Deep-radiomic-based-approach to the diagnosis of osteoporosis using hip radiographs », Radiology : Artificial Intelligence. Epub 25 mai 2022. DOI : 10.1148/ryai.210212.

Discussion

Aucun commentaire

Laisser un commentaire

Sur le même thème

Le fil Docteur Imago

30 Sep

15:38

Un nouveau centre d’imagerie médicale a été ouvert par Maine image santé à Sablé-sur-Sarthe (72) ce lundi 22 septembre 2025, annonce le média Ouest France.

13:09

Un article publié dans Insights into Imaging, fournit un consensus d’experts pour la biopsie des lésions mammaires et la re-biopsie en cas de discordance radiologique-pathologique ou de signes de potentiel malin incertain.

7:04

Dans une étude, des chercheurs ont développé et validé un modèle de stratification du risque pancréatique basé sur IRM pour la prédiction du pronostic et l’orientation thérapeutique de l’adénocarcinome canalaire pancréatique (PDAC). Ils ont de fait démontré que le modèle M-PRiSM prédit efficacement la survie globale postopératoire et identifie les patients PDAC susceptibles de bénéficier d’un traitement adjuvant.
29 Sep

16:03

Dans une étude présentée dans JACR, l'utilisation de comptes rendus préliminaires générés par IA a permis à 5 radiologues de réduire le temps d'interprétation des radiographies thoraciques (de 25,8 à 19,3 secondes en moyenne). Toutefois, des variations dans les scores de qualité, notamment pour les examens montrant des anomalies, soulèvent la nécessité d'une utilisation supervisée de l'IA, estiment les auteurs.
Docteur Imago

GRATUIT
VOIR