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

06 Oct

11:30

L'utilisation de salles hybrides d'angiographie incorporant l'angioscanner biphasique a réduit la dose de manière significative par rapport au scanner cone beam monophasique lors de procédures d'embolisation et de radio-embolisation du foie, dans le cadre d'une étude rétrospective. « Toutefois, la dose effective totale n'est plus restée significative après correction des incertitudes », indiquent les chercheurs.

7:30

Prenuvo lance le Prenuvo Research Network, un réseau qui réunira ses propres outils d’IA, des équipes internes de recherche et développement, des scientifiques et des institutions académiques. L'objectif est de « construire la base de preuves pour une médecine proactive et préventive ».
05 Oct

16:21

La présence d'une couronne échogène entourant une masse est associée à une tumeur maligne invasive et correspond à une évolution du carcinome canalaire in situ vers un cancer invasif d'après l'examen histopathologique postopératoire, selon une étude présentée dans Academic Radiology. Toutefois, elle n'apporte guère d'informations supplémentaires utiles aux radiologues sur le plan diagnostique ou pronostique.

14:16

L'apprentissage machine utilisant des caractéristiques radiomiques des tissus adipeux épicardiques est prometteur pour prédire la fibrillation atriale, mais l'hétérogénéité des études sur le sujet freine encore son adoption en pratique clinique. Étude.
✕
Docteur Imago

GRATUIT
VOIR