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 15:13 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

15 Juil

7:30

En Australie et Nouvelle Zélande, les radiologues en imagerie oncologique préfèrent utiliser des rapports structurés sans terminologies pré-écrite. Selon une étude publiée dans JMIRO, l’utilisation des rapports plus structuré est plus importante dans les pays ou la pratique de l'imagerie oncologique est plus importante et le personnel mieux formé.
11 Juil

17:17

D'après un nouvelle étude menée par une équipe germano-américaine et publié par European Journal of Radiology, la réussite de la mise en place de l'IA nécessite une organisation solide et une équipe de surveillance aguerri pour superviser l'évolution, le déploiement et la maintenance continue des algorithmes.

16:13

Selon une étude publiée dans Academic Radiology, des QCM générés par ChatGPT comme outil de renforcement des connaissances ont obtenu des taux de réussite très proche de ceux de radiologues expérimentés. Malgré une qualité jugée assez proche, une partie des étudiants ont reconnu les QCM écrits par des radiologues.

7:00

La qualité des images d'IRM 3D à double écho à l'état d'équilibre (IRM 3D-DESS) du cartilage du genou reconstruites par DL à l'IRM 7 T accélérée avec CAIPIRINHA était équivalente à celle des images 3D-DESS acquises avec une accélération basée sur l’algorithme de reconstruction GRAPPA. (étude).
Docteur Imago

GRATUIT
VOIR