Évaluation de l'IA

Des recommandations anglaises questionnent l’intérêt de l’IA dans la radiographie thoracique d’une suspicion de cancer

Parues le 28 septembre, des recommandations du National Institute for Health and Care Excellence, un organisme public britannique, remettent en cause l'intérêt clinique des IA commercialisées dans la radiographie thoracique en cas de suspicion de cancer. En cause, un manque de preuves d'efficacité en clinique – une problématique qui s'étend à tout le champ de l'IA en radio thoracique, en plein boom.

icon réservé aux abonnésArticle réservé aux abonnés
Le 16/01/24 à 15:00 Lecture 4 min.

Dans ses recommandations nationales, le NICE soutient que ces produits doivent faire l'objet de plus de recherches pour être utilisés en clinique sur les suspicions de cancer du poumon. (image d'illustration). D.R.

Évaluation du risque de développer une maladie cardiovasculaire, du risque de cancer du poumon chez le non-fumeur, détection du diabète de type 2... Ces deux dernières années, plusieurs logiciels utilisant l'intelligence artificielle (IA) ont remporté des succès en repérage opportuniste sur des radios thoraciques. Ce nouvel axe de développement n'est que le dernier cheval de bataille des développeurs d'IA, après le développement de logiciels visant à repérer les maladies thoraciques recherchées en radiologie conventionnelle – cancer du poumon, tuberculose, pneumothorax, etc. – , et plus récemment l'introduction de l'IA générative pour booster les capacités de ces nouveaux outils.

Un examen qui attire la medtech

Plusieurs raisons expliquent cet intérêt des entreprises de la medtech pour la radiographie thoracique : cette dernière demeure très pratiquée, et la production d'une seule image par examen facilite l'entraînement et le développement d'outils d'IA par rapport à l'imagerie en c

Il vous reste 83% 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

Bibliographie

  1. Jones C. M., Buchlak D. Q., Oakden-Rayner L., et coll., « Chest radiographs and machine learning – Past, present and future », Journal of Medical Imaging and Radiation Oncology, 25 juin 2021. DOI : 10.1111/1754-9485.13274.
  2. Plesner L. Louis., Müller C. F., Brejnebøl W. M. et coll., « Commercially Available Chest Radiograph AI Tools for Detecting Airspace Disease, Pneumothorax, and Pleural Effusion », Radiology, 26 septembre 2023. DOI : 10.1148/radiol.231236.
  3. Shin J. H., Han K., Ryu L., et coll., « The impact of artificial intelligence on the reading times of radiologists for chest radiographs », NPJ Digital Medicine, 29 avril 2023. DOI : 10.1038/s41746-023-00829-4.

Spécialité médicale

Pneumologie Oncologie

Modalité d’imagerie

Radiologie conventionnelle

Mots-clés

cancer du poumon radiographie thoracique intelligence artificielle

Discussion

Aucun commentaire

Laisser un commentaire

Sur le même thème

Le fil Docteur Imago

21 Nov

15:00

13:31

Un réseau de neurones convolutifs (CNN) a été entraîné à détecter automatiquement les zones floues en mammographie dans des régions pertinentes pour le diagnostic. Ce modèle, s'il était implémenté en pratique clinique, pourrait fournir un retour utile aux MERM afin de réaliser rapidement de meilleures prises de vue qui soient de haute qualité, selon une étude rétrospective.

7:31

Un état de l'art en français sur la biopsie pulmonaire percutanée sous scanner présentant ses indications, ses contre-indications et les bonnes pratiques dans ce domaine a été publié le 14 novembre en accès libre dans le Journal d'imagerie diagnostique et interventionnelle.

7:00

20 Nov

16:01

Les séquences ciné en IRM cardiaque reconstruites par apprentissage profond et acquises sur trois cycles cardiaques permettent de réduire le temps d’acquisition de plus de 50 % par rapport à la séquence référence sans apprentissage profond, et le tout sans différence dans la qualité d'image, selon une étude prospective menée sur 55 volontaires sains en IRM 1,5 T.

15:00

✕
Docteur Imago

GRATUIT
VOIR