Intelligence artificielle

Un algorithme combine l’imagerie et les données cliniques pour diagnostiquer le COVID-19 au scanner

Un réseau de neurones convolutif développé par une équipe étasunienne à l’aide des examens de scanner thoracique et des données cliniques de 905 patients aurait montré une sensibilité supérieure à celle des radiologues et une bonne spécificité pour détecter le COVID-19.

icon réservé aux abonnésArticle réservé aux abonnés
Le 08/06/20 à 7:00, mise à jour hier à 14:08 Lecture 3min.

Des chercheurs américains ont créé un réseau de neurones combinant les données radiologiques et les informations cliniques pour prédire l’infection ou non par le COVID-19. © Benjamin Bassereau

Le scanner thoracique fait preuve d'une valeur prédictive négative limitée pour le diagnostic du COVID-19, certains patients pouvant présenter des examens normaux aux stades précoces de la maladie. Des chercheurs de la faculté de médecine Icahn, du Mount Sinai Hospital, à New York ont voulu combler cette lacune en développant un algorithme d’intelligence artificielle capable d’exploiter les données d’imagerie et les informations cliniques des patients.

Un réseau de neurones convolutif et des classificateurs

« Nous avons développé un réseau de neurones convolutif pour qu’il apprenne les caractéristiques de l’imagerie des patients COVID-19 sur le scanner initial, décrivent-ils dans la revue Nature [1]. Nous avons ensuite utilisé les classificateurs machines à vecteurs de support (SVM, support vector machine), forêt aléatoire (random forest) et perceptron multicouche (multilayer perceptron MLP) pour classer les patients atteints de COVID-19 en fonction des informations cliniques. » Ils ont

Il vous reste 80% 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 DÉCOUVERTE

11€

pendant 1 mois
puis 23 €/mois

S’abonner à Docteur Imago

Auteurs

Jérome Hoff

Rédacteur en chef adjoint

Voir la fiche de l’auteur

Bibliographie

  1. Xueyan M., Hao-Chih L., Yang Y et coll., « Artificial intelligence-enabled rapid diagnosis of patients with COVID-19 », Nature Medicine, 19 mai 2020. DOI : 10.1038/s41591-020-0931-3.

Discussion

Aucun commentaire

Laisser un commentaire

Le fil Docteur Imago

29 Mar

7:35

Des chercheurs américains ont mis au point un nouveau modèle AsymMirai pour prédire le risque de cancer du sein à cinq ans à partir des mammographies, selon une nouvelle étude publiée dans Radiology. Ils ont ainsi confirmé l’importance clinique de l’asymétrie mammaire et mis en évidence le potentiel de la dissemblance bilatérale en tant que futur marqueur d’imagerie du risque de cancer du sein.
28 Mar

16:01

Une revue de la littérature publiée le 26 mars évoque la détection par l'intelligence artificielle de matériaux non-biologiques, et les scénarios courants de leur observation en clinique.

13:31

Une étude chinoise prospective monocentrique portant sur 33 patients montre qu'un an après l'embolisation des artères géniculées, le traitement est bien toléré et reste efficace pour contrer la gonarthrose. Des résultats qui rappellent ceux de l'essai français LipioJoint-1, parus en décembre 2023 et utilisant un autre agent d'embolisation.

7:31

Le scanner avec produit de contraste montre une sensibilité non inférieure à celle de la TEP-TDM dans le staging du cancer de l'ovaire avancé. La modalité moléculaire peut toutefois être une alternative et/ou un complément au scanner avant et/ou à la place de la laparoscopie diagnostique chez les patientes. (étude)
Docteur Imago

GRATUIT
VOIR