Recherche

Une nouvelle méthode pour diagnostiquer plus rapidement les lésions de l’ovaire

Une étude rétrospective a évalué la précision du diagnostic par intelligence artificielle des lésions ovariennes repérées par une IRM. Les performances relevées sont proches de celles des radiologues.

icon réservé aux abonnésArticle réservé aux abonnés
Le 03/09/25 à 7:00, mise à jour le 09/09/25 à 12:30 Lecture 1 min.

Le système, entraîné à reconnaître les caractéristiques de tumeurs bénignes et malignes, a obtenu des résultats proches à ceux des radiologues expérimentés (photo d'illustration). © Winfield J. M. et coll. | British Journal of Radiology

L'intelligence artificielle peut-elle aider à classer les lésions ovariennes repérées sur une IRM ? C'est ce qu'a cherché à découvrir un groupe de chercheurs de l'université Johns Hopkins à Baltimore (Maryland, États-Unis), dont les résultats sont parus dans la revue Radiology, le 5 août dernier [1].

Aussi précis que des radiologues

Les chercheurs ont associé un outil d’intelligence artificielle conçu par Meta, le Segment Anything Model (SAM), à un réseau de neurones DenseNet-121. L’algorithme SAM permet de segmenter automatiquement les lésions visibles à l’IRM. Une étape qui peut s'avérer longue quand elle est réalisée par un radiologue. « Nous avons réduit le temps de traitement de chaque lésion de 4 minutes », précisent les auteurs de l'étude. Ces derniers se sont basés sur les données recueillies entre 2008 à 2020 dans trois établissements, deux américains et un taïwanais, ce qui représente 621 lésions au total. Cette segmentation automatique a atteint un indice de précision (dice co

Il vous reste 53% 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

Marjolaine Margue

Journaliste spécialisée BOM Presse

Voir la fiche de l’auteur

Bibliographie

  1. Hsu W-C, Wang Y, Wu Y-F, et al (2025) MRI-based Ovarian Lesion Classification via a Foundation Segmentation Model and Multimodal Analysis: A Multicenter Study. Radiology 316:e243412. https://doi.org/10.1148/radiol.243412.

Discussion

Aucun commentaire

Laisser un commentaire

Le fil Docteur Imago

26 Sep

13:19

L’identification et l’extinction des scanners excédentaires en cas de faible utilisation est une intervention simple et évolutive qui permet de réaliser d’importantes économies d’énergie, financières et de carbone avec peu ou pas d’impact sur le flux de travail clinique, conclue une étude publiée Journal of medical radiation sciences.

7:11

Après deux ans de travaux et plus de quatre millions d’euros investissement, la clinique Esquirol Saint-Hilaire d’Agen a inauguré un nouveau bâtiment de radiologie, relié à la fois au bâtiment des hospitalisations et des urgences, indique le média Sudouest.fr.
25 Sep

15:16

Les paramètres d’acquisition de la mammographie de dépistage ont eu un impact sur les performances de l’IA et des radiologues, selon une étude publiée dans Radiology : Artificial Intelligence. Ils étaient significativement associés aux performances de l’IA et des radiologues, avec des tailles d’effet absolues atteignant 10 % pour la sensibilité et 5 % pour la spécificité.

13:18

Le 53ème congrès de la Société Française de Neuroradiologie (SFNR) aura lieu du mercredi 11 au vendredi 13 mars 2026 au Novotel Paris Tour Eiffel, à Paris, annonce la SFNR.
Docteur Imago

GRATUIT
VOIR