Médecine prédictive

L’IA analyse des images IRM pour présager des résultats de la radiothérapie

Une étude canadienne démontre la faisabilité d'une prédiction précoce des résultats d’une radiothérapie des métastases cérébrales grâce à l’intelligence artificielle et aux caractéristiques extraites d’images IRM.

icon réservé aux abonnésArticle réservé aux abonnés
Le 05/01/23 à 8:00, mise à jour aujourd'hui à 15:09 Lecture 2 min.

La réponse à la radiothérapie était classée soit « contrôle local » (« LC » tumeur stable ou en diminution, réponse partielle ou réponse complète au traitement), soit « échec local « (« LF » tumeur en expansion associée à une maladie progressive) sur la base des changements de taille de la tumeur lors du suivi par imagerie. Seyed Ali Jalalifar et coll. 2022 - Creative Commons CC BY 4.0

Au Canada, des chercheurs de l’université York, à Toronto, ont développé des modèles d’apprentissage profond pour prédire les résultats d’une radiothérapie chez des patients atteints de métastases cérébrales en se basant sur des images IRM. Leurs travaux font l’objet d’un article paru dans la revue IEEE Journal of Translational Engineering in Health and Medicine en novembre 2022 [1].

124 patients et 156 lésions

Les auteurs ont utilisé les données de 124 patients atteints de métastases cérébrales, traités par radiothérapie stéréotaxique hypofractionnée. « Dans cette étude, l'IRM baseline de planification du traitement, y compris les images pondérées en T1 et T2 FLAIR, a été appliquée pour les résultats du traitement », précisent-ils. Les patients (âge moyen : 62 ± 15 ans ; 40 % d'hommes et 60 % de femmes) étaient porteurs de tumeurs de 2 ± 1,03 cm en moyenne. « L'ensemble de données (124 patients avec 156 lésions) a été divisé de manière aléatoire en un ensemble d'entraînement (99 patient

Il vous reste 74% 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. Jalalifar S. A., Soliman H., Sahgal A. et coll., « A self-attention-guided 3D deep residual network with big transfer to predict local failure in brain metastasis after radiotherapy using multi-channel MRI », Journal of Translational Engineering in Health and Medicine, novembre 2022, vol. 11, p. 13-22. DOI : 10.1109/JTEHM.2022.3219625

Discussion

Aucun commentaire

Laisser un commentaire

Sur le même thème

Le fil Docteur Imago

18 Sep

16:20

Le rapport entre graisse viscérale et graisse sous-cutanée (VSR), calculé automatiquement à partir de la TDM, pourrait constituer un marqueur d’imagerie simple qui améliore l’évaluation du risque au-delà des variables cliniques et facilite l’identification des patients atteints de sepsis à haut risque, selon une étude.  

14:00

Dans une étude, des chercheurs mettent en place une méthode non invasive et reproductible de personnalisation des prothèses mammaires à partir d’IRM et d’outils open source, permettant une mesure volumétrique précise. Elle relie les volumes mammaires aux tailles commerciales de prothèses tout en préservant la confidentialité et en évitant l’exposition physique postopératoire.

7:24

Des chercheurs de l’UNC ont développé SORDINO, une nouvelle technique d’IRM fonctionnelle qui réduit fortement le bruit et les interférences pendant les examens. Cette technique produit des images cérébrales  plus précises et pourrait faciliter les recherches en neurosciences ainsi que les avancées en IRM humaine, indique un communiqué.
17 Sep

17:30

Une étude a développé un modèle d’intelligence artificielle capable de détecter le pneumothorax sur les radiographies thoraciques en décubitus des nouveau-nés, avec une excellente performance diagnostique.
Docteur Imago

GRATUIT
VOIR