Conférence inaugurale

Comment l’intelligence artificielle pourrait répondre à la pandémie en radiologie

Lors de la conférence inaugurale des JFR, le 2 octobre, Eliot Siegel, pionnier américain de l’intelligence artificielle en imagerie médicale, a rappelé les impacts de la pandémie de COVID-19 en radiologie et le rôle que pourrait jouer l'IA à l’avenir.

icon réservé aux abonnésArticle réservé aux abonnés
Le 03/10/20 à 7:00, mise à jour hier à 14:15 Lecture 4 min.

Lors des JFR 2020, Eliot Siegel était invité à s’exprimer sur deux questions : l’intelligence artificielle va-t-elle accompagner le travail du radiologue ? Va-t-elle se projeter dans l’ère post-COVID ? D. R.

L’intelligence artificielle reste plus que jamais un sujet d’intérêt pour l’imagerie médicale. Elle a fait l’objet d’une intervention lors de la conférence inaugurale des JFR, le 2 octobre 2020. Alain Luciani a invité Eliot Siegel, professeur de radiologie à l’école de médecine de l’université du Maryland (États-Unis), à s’exprimer sur deux questions : l’intelligence artificielle va-t-elle accompagner le travail du radiologue ? Va-t-elle se projeter dans l’ère post-COVID ?

La nouvelle boîte de pandore

Ce pionnier des systèmes d’archivage et de communication des images (PACS) débute par cette réflexion : « Cela me rappelle le début des années quatre-vingt-dix quand nous avons ouvert une boîte de pandore avec le PACS. J’ai l’impression de revivre la même chose avec l’intelligence artificielle en 2020. » Après avoir rappelé les craintes habituelles relayées par des personnalités, des médias et même les studios hollywoodiens selon lesquelles cette technologie pourrait remplacer les radiologu

Il vous reste 84% 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

Avatar photo

Benjamin Bassereau

Directeur de la rédaction BOM Presse Clichy

Voir la fiche de l’auteur

Bibliographie

  1. Kyono, Trent, et coll. « Improving Workflow Efficiency for Mammography Using Machine Learning ». Journal of the American College of Radiology, vol. 17, no 1, janvier 2020, p. 56‑63. org (Crossref), doi:10.1016/j.jacr.2019.05.012.

Discussion

Aucun commentaire

Laisser un commentaire

Le fil Docteur Imago

29 Jan

7:17

Une étude prospective compare l’efficacité de l’échographie mammaire automatisée (ABUS) et de l’échographie manuelle (HHUS) en seconde intention pour détecter des lésions identifiées en IRM mammaire. Bien que la HHUS détecte significativement plus de lésions, les deux techniques présentent une sensibilité similaire, l’ABUS ayant une valeur prédictive positive plus élevées. Ces résultats démontrent que les deux méthodes sont complémentaires et ont le potentiel d’augmenter le taux de détection des lésions lorsqu’elles sont utilisées conjointement.    
28 Jan

16:19

La journée mondiale de lutte contre le cancer se déroulera le mercredi 4 février 2026. Créée en 2000, cette journée est consacrée à la prévention, la détection, la lutte contre la stigmatisation et le traitement du cancer.

14:12

L’IRM 5 T améliore efficacement l’évaluation chez des patients suspectés de cancer de la prostate par rapport à l'IRM 3 T, indique une étude.

7:44

Une étude canadienne analyse les retombées du recours à la téléradiologie comme solution pour réduire les émissions de gaz à effet de serre dues aux transports des radiologues.
Docteur Imago

GRATUIT
VOIR