Aide au pronostic

Une IA améliore l’évaluation des tumeurs ovariennes par les jeunes radiologues

Des chercheurs taïwanais ont développé un algorithme aidant à différencier tumeurs de l'ovaire bénignes et malignes. Leur IA se base sur des données cliniques, ainsi que sur des données radiomiques et des caractéristiques extraites par apprentissage profond d'images de scanner.

icon réservé aux abonnésArticle réservé aux abonnés
Le 01/06/23 à 15:00, mise à jour aujourd'hui à 15:09 Lecture 2 min.

L'IA développée par l'équipe du Dr Wu associe données cliniques, informatiques et radiomiques pour différencier tumeurs ovariennes malignes et bénignes (image d'illustration). D. R.

Le cancer de l'ovaire est le cancer gynécologique le plus mortel, et sa prise en charge précoce par ablation améliore son taux de survie. Cependant, 28 % des ovariectomies seraient réalisées pour des tumeurs bénignes, entraînant des risques à long terme non négligeables chez les femmes opérées à tort : baisse de la fertilité, ménopause précoce, etc. [1]. Afin d’aider les radiologues à distinguer le mieux possible cancers malins et bénins de l'ovaire, des médecins taïwanais ont développé un algorithme d'intelligence artificielle utilisant des données radiomiques extraites de scanners. Leurs résultats sont parus le 24 avril 2023 dans Insights into Imaging [2].

Près de 200 tumeurs ovariennes

Les auteurs ont rétrospectivement enrôlé 149 patientes du MacKay Memorial Hospital de Taipei (Taïwan) présentant en tout 185 tumeurs ovariennes visibles sur des scanners avec rehaussement de contraste et confirmées par anatomopathologie. 129 tumeurs (dont 54 malignes) de 104 patientes ont servi de donné

Il vous reste 70% 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. Moore B. J., Steiner C. A., Davis H. et coll., « Statistical brief #214 Trends in hysterectomies and oophorectomies in hospital inpatient and ambulatory settings, 2005-2013 », Healthcare Cost and Utilization Project (HCUP) Statistical Briefs [Internet], novembre 2016. https://www.ncbi.nlm.nih.gov/books/NBK409175/. Site consulté le 1er juin 2023.
  2. Jan Y.-T., Tsai P.-S., Huang W.-H. et coll., « Machine learning combined with radiomics and deep learning features extracted from CT images: a novel AI model to distinguish benign from malignant ovarian tumors », Insights Into Imaging, 2023, vol. 14, n° 68. DOI : 10.1186/s13244-023-01412-x.

Spécialité médicale

Oncologie Imagerie de la femme

Modalité d’imagerie

Scanner

Mots-clés

intelligence artificielle radiomique

Discussion

Aucun commentaire

Laisser un commentaire

Sur le même thème

Le fil Docteur Imago

25 Sep

16:00

Une revue publiée dans Neuroradiology offre un aperçu global des bénéfices cliniques et des limites opérationnelles de la téléradiologie. Selon les chercheurs, celle-ci améliore l’accès à l’expertise, la rapidité des diagnostics et la continuité des soins. Cependant, son développement reste limité par les problèmes de connectivité, d’interopérabilité, de sécurité des données et de réglementation.

15:00

13:00

Dans une revue de la littérature, des chercheurs australiens mettent en évidence des obstacles à l’inclusion des personnes LGBTQ+ en imagerie médicale, notamment les systèmes binaires, le mégenrage et le manque de formation, et souligne la nécessité de développer et d’évaluer des pratiques, des outils et des communications plus inclusifs.

7:45

Un algorithme testé par une équipe de chercheurs danois a démontré une bonne précision pour la détection de fractures d'extrémités en situation d'urgence. Cependant, la valeur prédictive positive inférieure par rapport aux comptes rendus de radiologie et l'apparition de faux positifs soutiennent son utilisation comme aide à la décision plutôt que pour le diagnostic autonome. (Étude)

7:00

24 Sep

17:30

Dans une étude présentée dans JACR, les répétitions d'examens IRM cérébrales liées aux mouvements des patients ont généralement permis d'améliorer la qualité de l'image et la fiabilité du diagnostic, tandis que les répétitions des cholangiopancréatographies n'ont apporté qu'un bénéfice limité. « Ces résultats plaident en faveur d'un suivi au niveau des séquences afin d'orienter les stratégies ciblées de réduction des mouvements », concluent les chercheurs.
✕
Docteur Imago

GRATUIT
VOIR