Apprentissage profond

Une IA améliore le tri des douleurs thoraciques en se basant sur la radiographie

Pour distinguer une douleur thoracique bénigne d'une douleur thoracique dont la cause engage le pronostic vital, des chercheurs américains ont développé une IA permettant d'améliorer le tri des patients sur la base de leur radiographie thoracique d'admission aux urgences. Leurs résultats sont parus le 17 janvier 2023 dans Radiology.

icon réservé aux abonnésArticle réservé aux abonnés
Le 16/02/23 à 16:00, mise à jour le 11/09/23 à 13:23 Lecture 2 min.

Sur la radiographie thoracique d'admission aux urgences, l'algorithme d'apprentissage profond a appris à repérer des patrons qu'il associe à des maladies engageant le pronostic vital, comme le syndrome coronarien aigu (ici en rouge, en haut à gauche). © Kolossváry et al | Radiology, RSNA

Et si l'intelligence artificielle (IA) pouvait faciliter le tri des patients admis aux urgences pour douleur thoracique aiguë ? C'est ce que laissent entrevoir des résultats publiés le 17 janvier dans Radiology [1] par des radiologues du Massachusetts General Hospital (MGH) de Boston (États-Unis). Leur modèle d'apprentissage profond utilisant la radiographie thoracique d'admission aux urgences améliore significativement le résultat composite suivi par les chercheurs sur des cohortes rétrospectives de patients, à savoir le nombre de patients ayant subi une embolie pulmonaire, une dissection aortique, un syndrome coronarien aigu (SCA) ou un décès dans les 30 jours suivant l'admission.

Un entraînement sur une cohorte diverse

Les auteurs ont d'abord entraîné leur modèle d'apprentissage profond sur les radiographies thoraciques d’admission aux urgences de 17 254 patients adultes du MGH, qui ont été pris en charge une première fois aux urgences entre 2005 et 2015 pour cause de douleur thoraciq

Il vous reste 74% 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. Kolossváry M., Raghu V. K., Nagurney J. T. et coll., « Deep Learning Analysis of Chest Radiographs to Triage Patients with Acute Chest Pain Syndrome », Radiology, 17 janvier 2023. DOI : 10.1148/radiol.221926.

Discussion

Aucun commentaire

Laisser un commentaire

Sur le même thème

Le fil Docteur Imago

31 Mar

16:00

22 % des médecins répondants à une enquête du Conseil de l'Ordre considèrent leur prise en charge des patients en situation de handicap comme insuffisante ou peu suffisante en raison du manque de temps, de moyens humains et matériels ou encore le manque de formation ou l'inadaptabilité des locaux. 35 % considèrent que l'accès aux soins des patients en situation de handicap est difficile.

13:00

Un décret publié le 19 mars détermine les modalités d'encadrement de l'activité de remise en bon état d'usage de certaines catégories de dispositifs médicaux à usage individuel. La liste des dispositifs concernés sera définie par arrêté.

7:30

La Haute Autorité de santé (HAS) a publié le 20 mars une mise à jour de son Guide pour l'évaluation des infrastructures de simulation en santé, élaborée avec la Société francophone de simulation en santé. Ce document s'adresse aux structures de simulation et aux plateformes de simulation en santé qui souhaitent s'inscrire dans une démarche d'amélioration continue de la qualité, indique la HAS.
28 Mar

16:37

La SFR met en place l’application mobile SFR-JUISCI permettant aux utilisateurs d’accéder aux récentes recherches en radiologie. L’appli est à télécharger via la lien : https://lnkd.in/eW4i956c
Docteur Imago

GRATUIT
VOIR