ECR 2022

Quelle place pour l’IA dans l’imagerie thoracique des enfants ?

Les applications d'IA se multiplient en imagerie thoracique mais très peu se destinent aux enfants. Une session du Congrès européen de radiologie 2022 s'est intéressée à ce phénomène et aux potentielles applications de l'IA en imagerie thoracique pédiatrique.

icon réservé aux abonnésArticle réservé aux abonnés
Le 03/03/22 à 8:00, mise à jour le 29/10/26 à 14:10 Lecture 3 min.

Selon Steven Schalekamp, les principaux défis en radiopédiatrie restent le manque de données disponibles et de recherches cliniques. capture d'écran ECR 2022

La radiopédiatrie reste peu explorée par les concepteurs de solutions d’intelligence artificielle (IA). Steven Schalekamp, radiologue à l’hôpital universitaire Radboud à Nijmegen (Pays-Bas) s’est intéressé aux applications émergentes de l’IA en imagerie thoracique pédiatrique. Il a fait part de ses observations lors d’une session du Congrès européen de radiologie (ECR), mercredi 2 mars.

57 logiciels pour l'imagerie thoracique

L’imagerie thoracique est, avec la neuroradiologie, la surspécialité d’imagerie où les logiciels d’IA marqués CE sont les plus nombreux, selon le site AI for Radiology. « Sur 191 produits d’IA marqués CE pour l’imagerie médicale, 57 concernent l’imagerie thoracique et sont commercialisés par 28 vendeurs. Environ 50 % de ces logiciels sont destinés à la radiographie. Aucun n’est spécifiquement conçu pour les enfants », remarque Steven Schalekamp.
En radiographie thoracique, les logiciels d’IA sont principalement conçus pour la détection du pneumothorax, des nodules pu

Il vous reste 78% 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. Mahomed N., van Ginneken B., Philipsen R. H. H. M. et coll., « Computer-aided diagnosis for World Health Organization-defined chest radiograph primary-endpoint pneuonia in children », Pediatric Radiology, 2020, vol. 50, p. 482-491. DOI : 10.1007/s00247-019-04593-0.
  2. Chen Y., Robert C. S., Ou W. et coll., « Deep learning for classification of pediatric chest radiographs by who standardized methodology », PLOS One, juin 2021. DOI : 10.1371/journal.pone.0253239.

Spécialité médicale

Pneumologie Pédiatrie

Modalité d’imagerie

Radiologie conventionnelle Scanner

Mots-clés

ECR 2022 intelligence artificielle radiopédiatrie

Discussion

Aucun commentaire

Laisser un commentaire

Sur le même thème

Le fil Docteur Imago

10 Nov

15:30

Le modèle vision-langage GPT-5.2 n'a pas montré de différence significative en termes de précision par rapport à des radiologues inexpérimentés pour l'évaluation échographique des ganglions axillaires suspects dans le cancer du sein (étude).

15:00

11:30

La Société française de neuroradiologie (SFNR) annonce le lancement de son podcast NeuroCast et l'inauguration de sa chaîne YouTube.

7:30

7:00

09 Nov

15:30

L'IRM 7 T détecte mieux les artères perforantes cérébrales, d’après une revue systématique publiée dans l’American Journal of Neuroradiology, qui a compilé 106 études basées sur 6 785 participants. Cependant, les méthodes de comptage et le manque de validation anatomique ne permettent pas d'en déduire la fiabilité réelle ni la supériorité clinique, indiquent les chercheurs.
✕
Docteur Imago

GRATUIT
VOIR