Imagerie thoracique

Un système de deep learning prédit la survie de patients opérés d’un cancer du poumon

En extrayant des informations de scanners thoraciques préopératoires, des médecins coréens ont testé un modèle de deep learning capable de prédire la survie sans maladie de patients opérés d’un cancer du poumon.

icon réservé aux abonnésArticle réservé aux abonnés
Le 15/06/20 à 7:00, mise à jour aujourd'hui à 15:13 Lecture 2 min.

Dans leurs constatations, les auteurs indiquent que le statut tabagique et les résultats du modèle d'apprentissage profond « étaient les seuls facteurs de pronostic indépendants de la survie sans maladie des patients après la résection chirurgicale d'un adénocarcinome de stade I ». © Hyungjin Kim et coll. / Radiological Society of North America

Une équipe de chercheurs coréens a développé un modèle d’apprentissage profond basé sur les données de scanner préopératoire qui permettrait de prédire la survie sans maladie de patients atteints d’un adénocarcinome pulmonaire traité par chirurgie. Cette étude rétrospective menée par Hyungjin Kim, radiologue à la faculté de médecine de l’université de Séoul, est parue au mois de mai dans la revue Radiology [1].

Deux sets de données pour l’entraînement et la validation

Pour ces travaux, les chercheurs se sont appuyés sur deux ensembles de données : le premier a été utilisé pour entraîner l’algorithme, le second pour la validation externe. Pour l'ensemble de données 1, les patients éligibles étaient ceux qui avaient subi au moins une lobectomie pour un cancer du poumon. « Au total, 800 patients atteints d'adénocarcinomes pulmonaires réséqués entre janvier 2009 et décembre 2015 ont été identifiés rétrospectivement par une recherche dans les dossiers médicaux électroniques, détaillent les au

Il vous reste 73% 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. Hyungjin Kim, Jin Mo Goo, Kyung Hee Lee et coll., « Preoperative CT-based Deep Learning Model for Predicting Disease-Free Survival in Patients with Lung Adenocarcinomas », Radiology, 12 mai 2020, publication en ligne. DOI : 10.1148/radiol.2020192764.

Discussion

Aucun commentaire

Laisser un commentaire

Sur le même thème

Le fil Docteur Imago

22 Août

15:00

Le grand modèle de langage GPT-4o (Open AI) a montré de « hautes performances » pour traduire des comptes rendus d'imagerie de l'allemand à l'anglais, au français et à l'espagnol, rapporte un article publié dans European Journal of Radiology. En revanche, la traduction vers le russe était moins adéquate.
21 Août

14:21

L'utilisation d'une séquence à temps d'echo ultra court (UTE) améliorerait la gestion des artefacts de susceptibilité magnétique ainsi que l'efficacité et la sécurité des biopsies musculosquelettiques à l'aiguille guidées par IRM, selon une étude.

7:20

Dans le domaine de la neuroradiologie interventionnelle, les femmes seraient largement désavantagées par rapport aux hommes, selon un enquête de la Société européenne de neuroradiologie (ESNR). Des cas de harcèlement, de discrimination, d'épuisement professionnel et de non-accès à des postes de leadership ont été fréquemment rapportés.
20 Août

14:17

L'embolisation transvaginale serait faisable, sûre et efficace pour traiter de manière complémentaire les femmes souffrant de douleurs pelviennes persistantes après avoir été traitées pour des troubles veineux pelviens (Etude).

7:24

L'échographie super-résolution permettrait de mettre en évidence l'architecture microvasculaire et l'hétérogénéité des tumeurs rénales malignes. Son association avec l'échographie de contraste serait prometteuse pour améliorer la précision du diagnostic différentiel. (Etude)
Docteur Imago

GRATUIT
VOIR