Intelligence artificielle

À Gustave-Roussy, un score maison prédit l’évolution des patients Covid

Le score AI-severity combine 5 variables cliniques et biologiques et l’analyse des examens de scanner thoracique par un algorithme d’apprentissage profond pour évaluer la gravité de l’atteinte pulmonaire liée à la Covid-19 et prédire son évolution.

icon réservé aux abonnésArticle réservé aux abonnés
Le 22/02/21 à 8:00, mise à jour aujourd'hui à 15:14 Lecture 3 min.

AI-severity combine les informations extraites du scanner thoracique par un algorithme d’intelligence artificielle avec des données cliniques et biologiques pour attribuer un score de gravité à l’atteinte pulmonaire et prédire son évolution (photo d'illustration). D. R.

À Villejuif (94), le centre de lutte contre le cancer Gustave-Roussy évalue les patients atteints de Covid-19 ou suspectés de l’être grâce à un score hybride développé en interne. AI-severity combine les informations extraites du scanner thoracique par un algorithme d’intelligence artificielle avec des données cliniques et biologiques pour attribuer un score de gravité à l’atteinte pulmonaire et prédire son évolution.

Une approche holistique

Présenté dans un article de la revue Nature Communications [1], cet outil est le fruit des efforts conjoints des équipes de recherche de Gustave-Roussy, université Paris-Saclay, de l’hôpital du Kremlin-Bicêtre, assistance publique – hôpitaux de Paris, de l’Inria et de la start-up Owkin, réunis au sein de l’étude ScanCovIA. « Début 2020, nous n’avions pas de score. Des patients atteints de Covid-19 arrivaient en bon état général mais mourraient chez eux quelques jours plus tard, se souvient Nathalie Lassau, radiologue à Gustave Roussy – université Par

Il vous reste 78% 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 BOM Presse Clichy

Voir la fiche de l’auteur

Bibliographie

  1. Lassau N., Ammari S., Chouzenoux E. et coll., « Integrating deep learning CT-scan model, biological and clinical variables to predict severity of COVID-19 patients », Nature Communications, janvier 2021, vol. 12, n° 634. DOI : 10.1038/s41467-020-20657-4.

Discussion

Aucun commentaire

Laisser un commentaire

Sur le même thème

Le fil Docteur Imago

10 Avr

15:32

Un modèle d’IA à apprentissage profond montre un potentiel en tant qu’outil de dépistage opportuniste de la santé osseuse chez les enfants, selon une étude publiée dans Radiology.

13:14

Les événements de sécurité des patients en radiologie représentent une faible proportion des incidents (3,2 %), mais révèlent des vulnérabilités importantes, notamment chez les enfants et les personnes âgées, avec un risque élevé lié aux médicaments et aux produits de contraste, selon une étude publiée dans Current Problems in Diagnostic Radiology

7:13

Les patientes atteintes d’un cancer du sein qui développent un dysfonctionnement cardiaque lors d’une chimiothérapie néoadjuvante subissent également une perte de tissu cérébral significativement plus importante que celles dont la fonction cardiaque reste stable, selon une étude publiée dans Academic Radiology.
09 Avr

16:21

Une étude multicentrique publiée dans European Radiology montre qu’un modèle de deep learning combinant nnU-Net et ConvNeXt-tiny permet d’évaluer avec précision l’invasion musculaire dans le cancer de la vessie à partir d’IRM, avec des performances élevées et stables.
Docteur Imago

GRATUIT
VOIR