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 14:14 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.

Discussion

Aucun commentaire

Laisser un commentaire

Sur le même thème

Le fil Docteur Imago

20 Mar

16:18

Le congrès du Groupe francophone de radiothérapie en urologie (GFRU), aura lieu du 26 au 27 mars au centre de congrès de Lyon (69).

13:00

Une méta-analyse publiée dans European Radiology montre que les systèmes d’intelligence artificielle basés sur le deep learning détectent le cancer de la prostate cliniquement significatif avec une performance comparable à celle des radiologues, avec une légère supériorité en spécificité. L’IA pourrait donc améliorer potentiellement la précision et réduisant les biopsies inutiles grâce à un affinement plus approfondi du modèle.

7:11

Une enquête menée par la société européenne d'imagerie mammaire (EUSOBI) démontre que, malgré des aspects procéduraux très variés dans la biopsie mammaire à aiguille centrale guidée par échographie, des niveaux de stérilité perçus plus élevés ne sont pas associés à une diminution des infections. L'étude met en lumière l'importance de réduire en toute sécurité l’utilisation des ressources et l’impact environnemental.
19 Mar

16:00

La réponse de perfusion à l’adénosine semble être spécifique à chaque organe, conclut une étude parue dans JNM. L’adénosine augmente la perfusion au niveau du cœur, du foie, du côlon et du duodénum, tandis que la perfusion est réduite par l’adénosine dans le cerveau, la rate, les reins, le muscle squelettique et l’os, écrivent les chercheurs.
Docteur Imago

GRATUIT
VOIR