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 15:13 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

03 Août

17:00

Une étude européenne met en évidence une grande hétérogénéité des pratiques de formation au dépistage du cancer du poumon par scanner à faible dose, ainsi que des lacunes importantes, notamment dans la gestion des résultats incidentels, des nodules pulmonaires, l’utilisation de l’IA et la communication avec les patients. Elle souligne la nécessité de développer un programme de formation européen harmonisé afin de renforcer les compétences des professionnels de santé impliqués dans le dépistage.

11:00

Un modèle prédictif basé sur une IRM pourrait aider à prédire les conséquences cardiovasculaires indésirables chez les patients diabétiques, selon une étude publiée dans Radiology.

7:30

Le dépistage d’incidence avec la mammographie avec contraste amélioré (CEM) maintient une performance élevée et peut offrir plus d’avantages que le dépistage de base, pour le dépistage des femmes à risque élevé de cancer du sein, selon une étude publiée dans Radiology.

7:00

31 Juil

16:28

Une étude parue dans la revue phiRO conclut qu'une architecture PocketNet offre une segmentation automatisée fiable des organes gynécologiques et des tumeurs cervicales sur IRM pondérée en T2, avec des performances comparables à celles d’un nnUNet de taille réelle tout en nécessitant beaucoup moins de mémoire et de temps d’entraînement.

8:00

Le CHU de Montpellier annonce avoir mené la prise en charge d'un AVC en 16 minutes, de l'admission du patient à la recanalisation, grâce à une organisation adaptée, qui nous avions présentée en 2023.
✕
Docteur Imago

GRATUIT
VOIR