Apprentissage profond

Une IA améliore la détection des fractures par radiographie

D’après les résultats d’une étude parue dans Radiology, un système d’apprentissage profond développé par le français Gleamer a permis d’améliorer de près de 9 % la sensibilité des médecins radiologues et urgentistes pour la détection sur des radiographies de fractures sur tout le squelette appendiculaire.

icon réservé aux abonnésArticle réservé aux abonnés
Le 16/06/21 à 16:00, mise à jour aujourd'hui à 14:09 Lecture 2 min.

Le logiciel met en avant les régions d’intérêt en les entourant d’une boîte et fournit un « score de confiance » concernant la présence d’une fracture dans ces zones. © Duron L. et coll.

L’entreprise française Gleamer a annoncé en mai la parution dans Radiology des résultats d’une étude clinique « de grande envergure » sur l’efficacité de sa solution d’intelligence artificielle BoneView® [1].  Ce logiciel, basé sur l’apprentissage profond « détecte les lésions en radiographie traumatique et les présente au radiologue pour validation finale », indique la société dans un communiqué de presse.

Un test clinique sur 600 patients

Financée et conçue par Gleamer, l’étude a comparé les performances de 6 médecins urgentistes et 6 radiologues avec et sans l’aide de BoneView® sur un échantillon rétrospectif d’examens réalisés sur 600 patients issus de 17 centres français, obtenus après un traumatisme récent, dont certains montraient une ou plusieurs fractures de l’épaule, du bras, de la main, du bassin, de la jambe ou du pied. Le logiciel avait été préalablement entraîné à l’aide de 60 170 radiographies de patients traumatiques.

La première étude du genre

« À notre connaissance, il s’

Il vous reste 71% 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

Voir la fiche de l’auteur

Bibliographie

  1. Duron L., Ducarouge A., Gillibert A. et coll., « Assessment of an AI aid in detection of adult appendicular skeletal fractures by emergency physicians and radiologists: A multicenter cross-sectional diagnostic study », Radiology, 2021. Epub 4 mai 2021. DOI : 10.1148/radiol.2021203886.

Discussion

Aucun commentaire

Laisser un commentaire

Sur le même thème

Le fil Docteur Imago

21 Fév

13:40

Selon une étude publiée dans Radiology, un algorithme d’apprentissage profond disponible dans le commerce peut permettre des examens IRM de l’épaule de bonne qualité en sept minutes.

7:37

Le parlement a adopté définitivement le budget 2025 de la Sécurité sociale ce 17 février. Il prévoit une hausse des dépenses d’Assurance maladie de 3,4 %, pour atteindre un montant de 265 milliards d’euros.
20 Fév

16:01

L’imagerie des paramètres d’atténuation par ultrasons peut être utilisée pour le dépistage clinique afin d’évaluer la prévalence de la MASLD chez les patients en surpoids ou obèses et de suivre de manière dynamique la progression de la maladie, conclut une étude publiée dans Clinical radiology.

13:31

Le modèle de langage appelé Axpert démontre un potentiel de marquage automatique de l’entérocolite nécrosante sur les comptes-rendus de radiographie abdominale infantile. Cette méthode de marquage peut ainsi servir de cadre pour d’autres modalités d’imagerie et maladies chez les enfants, et les maladies rares chez l’adulte, suggère une étude publiée dans JAMIA Open.
Docteur Imago

GRATUIT
VOIR