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 aujourd'hui à 14:16 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

16 Déc

16:17

Le coroscanner assistée par IA offrirait des performances diagnostiques élevées pour la détection des sténoses coronariennes, avec une sensibilité et une spécificité élevées (étude).

13:28

Deux modèles vision-langage (GPT-4o et GPT-5) appliqués à des examens d'imagerie thoracique ont montré des précisions diagnostiques de 15,9 % et 24,7 % quand ils se basaient sur les images et les métadonnées des patients, et de 40,1 % et 59,1 % quand ils se basaient sur les métadonnées et les descriptions écrites des images par des radiologues. Étude.

7:26

Une étude présentée dans AJR a comparé les performances de l'IRM 0,55 T, 1,5 T et 3 T dans la surveillance du néoplasme mucineux papillaire intraductal. « La concordance entre radiologues concernant les caractéristiques suspectes des kystes était excellente pour tous les champs et tous les examens à 0,55 T ont été considérés comme diagnostiques. »
15 Déc

16:23

Docteur Imago

GRATUIT
VOIR