Scanner thoracique

Dépister le cancer du poumon pour prédire la mortalité cardiovasculaire

Des chercheurs néerlandais ont entraîné un système d'apprentissage profond sur des images de scanner thoracique de dépistage de cancer du poumon. Ils ont ainsi développé une méthode automatique qui permettrait de prédire en temps réel la mortalité à 5 ans liée à une pathologie cardiovasculaire.

icon réservé aux abonnésArticle réservé aux abonnés
Le 22/04/21 à 7:00, mise à jour aujourd'hui à 14:12 Lecture 2 min.

Grâce aux informations contenues dans un scanner thoracique basse dose réalisé pour un dépistage du cancer du poumon, un système de deep learning pourrait prédire en moins d’une seconde le risque de décès lié à une pathologie cardiovasculaire à 5 ans. © De Vos et coll./RSNA2021

Grâce aux informations contenues dans un scanner thoracique basse dose réalisé pour un dépistage du cancer du poumon, un système de deep learning (apprentissage profond) pourrait prédire le risque de décès lié à une pathologie cardiovasculaire à 5 ans. Telle est la conclusion d’une étude publiée dans la revue Radiology : Cardiothoracic Imaging le 15 avril.

5 000 scanners de l'étude NLST

Pour aboutir à ce résultat, le chercheur Bob D. de Vos et ses collègues des hôpitaux universitaires d’Amsterdam et d’Utrecht (Pays-Bas) ont réalisé une étude rétrospective qui a inclus 5 564 participants ayant passé un scanner basse dose dans le cadre de l’essai NLST (National Lung Screening Trial) entre août 2002 et avril 2004. Les patients ont été suivis jusqu'en décembre 2009.

Un réseau entraîné sur 6 types de calcifications

Le modèle de prédiction a été entraîné avec les données de 4 451 participants (âge médian 61 ans ; 37.9 % de femmes) puis testé avec les données de 1 113 sujets.  « Le réseau d’appre

Il vous reste 73% 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

Carla Ferrand

Journaliste cheffe de rubrique

Voir la fiche de l’auteur

Bibliographie

  1. De Vos B. D., Lessmann N., de Jong P. A. et coll., « Deep learning-quantified calcium scores for automatic cardiovascular mortality prediction at lung screening low-dose CT », Radiology : Cardiothoracic Imaging, avril 2021. DOI : 10.1148/ryct.2021190219. Publication en ligne.

Spécialité médicale

Cardiologie

Modalité d’imagerie

Scanner

Mots-clés

intelligence artificielle dépistage du cancer du poumon

Discussion

Aucun commentaire

Laisser un commentaire

Sur le même thème

Le fil Docteur Imago

06 Fév

16:08

Des chercheurs ont développé et validé un modèle de deep learning entièrement automatisé pour détecter et mesurer les masses surrénaliennes sur des scanners abdominaux injectés. Le modèle a le potentiel d’améliorer les taux de détection des lésions et de faciliter leur prise en charge précoce, indique l'étude.

15:00

13:06

Une étude publiée dans Radiology montre que le compte rendu structuré améliore l’efficacité des radiologues en réduisant le temps de rédaction et en recentrant l’attention visuelle sur l’image, par rapport au texte libre. L’ajout de l’intelligence artificielle augmente la précision diagnostique.

7:30

Une étude rétrospective montre que le score Node-RADS basé sur l’IRM offre une excellente précision diagnostique pour la détection des métastases ganglionnaires chez les patients atteints de cancer du rectum, avec une performance supérieure aux critères de taille et aux comptes rendus IRM classiques.

7:00

05 Fév

16:36

Le centre hospitalier Agen-Nérac (47) a mis en service le 26 janvier 2026 une nouvelle salle de radiologie numérisée sur son site de Nérac. D’un montant de 185 000 €, cet investissement améliore la qualité des diagnostics tout en réduisant l’exposition aux rayons, informe actu.fr.
✕
Docteur Imago

GRATUIT
VOIR