Imagerie thoracique

Quelle place pour l’IA dans la lutte contre la Covid-19 ?

Une session du RSNA 2020 consacrée au rôle de l'IA dans la pandémie de Covid-19 a réuni des intervenants chinois et américains. Ils ont dressé le bilan des atouts et des limites de l'intelligence artificielle, et appelé à un contrôle qualité plus strict des produits.

icon réservé aux abonnésArticle réservé aux abonnés
Le 01/12/20 à 8:00, mise à jour hier à 15:15 Lecture 3 min.

Pour l’orateur chinois Shi-Yuan Liu, radiologue à l’hôpital Changzheng à Shanghai, l’IA permet aux radiologues de travailler plus efficacement. capture d'écran RSNA 2020

Les deux thèmes phares du RSNA 2020 se sont partagé l’affiche au premier jour du congrès. L'intelligence artificielle et la Covid-19 étaient au programme d’une session commune le 29 novembre, lors de laquelle un radiologue américain et un radiologue chinois ont présenté leurs retours d’expérience respectifs sur l’utilisation de l’IA pour l’aide à la décision dans le contexte de Covid-19.

Détection et prédiction

Face à la pandémie, les besoins d’un outil d’IA se sont concentrés dans un premier temps sur le diagnostic initial, explique Greg Zaharchuk, professeur de radiologie à l’université de Stanford. « C’était un paramètre très important dans la première phase épidémique, lorsque les systèmes de santé ont été submergés et que les radiologues ne connaissaient pas cette nouvelle maladie », observe-t-il.
Désormais, le diagnostic initial de la Covid-19 n’est plus une problématique de premier plan et les besoins d’outils d’IA s’orientent plus vers la prédiction de l’évolution de la maladie, p

Il vous reste 79% 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. Mei X., Lee H.-C., Yang Y. et coll., « Artificial intelligence-enabled rapid diagnosis of patients with COVID-19 », Nature Medicine, mai 2020, vol. 26, p. 1224-1228. DOI : 10.1038/s41591-020-0931-3.
  2. Li M. D., Arun N. T., Gidwani M. et coll., « Automated assessment and tracking of COVID-19 pulmonary disease severity on chest radiographs using convolutional siamese neutral networks », Radiology : Artificial Intelligence, juillet 2020, vol. 2, n° 4. DOI : 10.1148/ryai.2020200079.
  3. Li L., Qin L., Xu Z. et coll., « Using artificial intelligence to detect COVID-19 and Community-acquired pneumonia based on pulmonary CT: Evaluation of the diagnostic accuracy », Radiology, août 2020, vol. 296, n° 2. DOI : 10.1148/radiol.2020200905.

Spécialité médicale

Pneumologie

Modalité d’imagerie

Scanner Radiologie conventionnelle

Mots-clés

intelligence artificielle COVID-19 RSNA 20

Discussion

Aucun commentaire

Laisser un commentaire

Sur le même thème

Le fil Docteur Imago

10 Août

7:00

07 Août

16:00

Pour la détection du cancer du sein, les performances diagnostiques des protocoles d'IRM abrégée par rapport à l'IRM standard varient selon le protocole et le contexte clinique. La technique FAST conserve une sensibilité élevée, tandis que la combinaison FAST + ultrafast + T2W offre une spécificité supérieure dans un contexte diagnostique (étude).

14:30

72 % des patientes préfèreraient l'angiomammographie à l'IRM mammaire lorsque les performances diagnostiques sont comparables. Cette préférence est liée à une sensation de claustrophobie moindre, à une durée d'examen plus courte et à un niveau d'anxiété plus faible (étude).

7:10

La Société nord-américaine de radiologie (RSNA) annonce le lancement de son challenge IA pour l'imagerie du genou. Les modèles développés seront évalués sur leur capacité à détecter et à classer avec précision les anomalies du genou visibles à l'IRM. Les gagnants seront annoncés au prochain congrès de la RSNA qui se tiendra du 29 novembre au 3 décembre.

7:00

06 Août

16:00

L'arrêté du 4 août 2026 fixant le nombre d'étudiants de troisième cycle des études de médecine susceptibles d'être affectés, par spécialité et par subdivision territoriale au titre de l'année universitaire 2026-2027 a été publié au Journal Officiel. Pour la radiologie, le nombre d'internes est fixé à 266, et pour la médecine nucléaire à 44.
✕
Docteur Imago

GRATUIT
VOIR