Cancer du poumon

Une évaluation automatique des structures extrapulmonaires prédit la mortalité après un scanner de dépistage

Un modèle d’analyse automatique des découvertes extrapulmonaires fortuites sur des scanners thoraciques a permis de prédire la mortalité à deux et dix ans avec une aire sous la courbe ROC de 0,72 au sein d’une cohorte de participants à un essai sur le dépistage du cancer du poumon.

icon réservé aux abonnésArticle réservé aux abonnés
Le 06/01/25 à 15:00 Lecture 2 min.

Les chercheurs ont travaillé à partir des scanners baseline de 24 401 participants à l’essai NLST de dépistage du cancer du poumon, inclus entre 2002 et 2007 dans 33 sites aux États-Unis (photo d'illustration). © Carla Ferrand

Les scanners thoraciques de dépistage du cancer du poumon incluent d’autres organes qui peuvent contenir des informations supplémentaires cruciales pour une évaluation complète des patients. Une équipe du centre médical Cedars-Sinai à Los Angeles, aux États-Unis, a mobilisé l’intelligence artificielle pour exploiter ces données, et développé un modèle d’analyse automatique des découvertes extrapulmonaires fortuites sur les scanners thoraciques pour l’évaluation des risques de mortalité. Les résultats de ses travaux sont parus dans Radiology [1].

Une segmentation automatique de 32 structures d’intérêt

Les chercheurs, emmenés par Anna M. Marcinkiewicz, ont travaillé à partir des scanners baseline de 24 401 participants à l’essai NLST de dépistage du cancer du poumon, inclus entre 2002 et 2007 dans 33 sites aux États-Unis. Ils ont soumis les examens au logiciel public suisse TotalSegmentator pour segmenter 32 structures de façon automatique dont le cœur, les grands vaisseaux, le tractus

Il vous reste 66% 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

Jérome Hoff

Rédacteur en chef adjoint BOM Presse Clichy

Voir la fiche de l’auteur

Bibliographie

  1. Marcinkiewicz AM, Buchwald M, Shanbhag A, et al (2024) AI for Multistructure Incidental Findings and Mortality Prediction at Chest CT in Lung Cancer Screening. Radiology 312:e240541. https://doi.org/10.1148/radiol.240541

Discussion

Aucun commentaire

Laisser un commentaire

Le fil Docteur Imago

06 Fév

16:08

Des chercheurs ont développé et validé un modèle de deep learning entièrement automatisé pour détecter et mesurer les masses surrénaliennes sur des scanners abdominaux injectés. Le modèle a le potentiel d’améliorer les taux de détection des lésions et de faciliter leur prise en charge précoce, indique l'étude.

13:06

Une étude publiée dans Radiology montre que le compte rendu structuré améliore l’efficacité des radiologues en réduisant le temps de rédaction et en recentrant l’attention visuelle sur l’image, par rapport au texte libre. L’ajout de l’intelligence artificielle augmente la précision diagnostique.

7:30

Une étude rétrospective montre que le score Node-RADS basé sur l’IRM offre une excellente précision diagnostique pour la détection des métastases ganglionnaires chez les patients atteints de cancer du rectum, avec une performance supérieure aux critères de taille et aux comptes rendus IRM classiques.
05 Fév

16:36

Le centre hospitalier Agen-Nérac (47) a mis en service le 26 janvier 2026 une nouvelle salle de radiologie numérisée sur son site de Nérac. D’un montant de 185 000 €, cet investissement améliore la qualité des diagnostics tout en réduisant l’exposition aux rayons, informe actu.fr.
Docteur Imago

GRATUIT
VOIR