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 hier 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

23 Oct

16:18

Le score de Kaiser en IRM mammaire présente une excellente précision diagnostique pour distinguer les lésions bénignes des lésions malignes chez les patientes présentant des anomalies BI-RADS 0 ou 4 en imagerie conventionnelle (étude).

13:16

Chez les patients obèses, le scanner à comptage photonique (PCCT) offre une meilleure qualité d’image que le scanner conventionnel (EID CT), avec un meilleur contraste et un rapport signal/bruit supérieur. Il permet également de réduire significativement la dose d’irradiation, en maintenant une bonne qualité diagnostique (étude).

7:45

Une étude a comparé un système d’intelligence artificielle aux critères PI-RADS pour la détection du cancer de la prostate cliniquement significatif en IRM, démontrant une sensibilité non inférieure à l’échelle du patient, mais inférieure à l’échelle lésionnelle. L’IA pourrait compléter PI-RADS pour optimiser le triage des biopsies, notamment des lésions indéterminées PI-RADS 3, concluent les chercheurs.
22 Oct

15:30

Une équipe de chercheurs a développé un système d’intelligence artificielle multimodale combinant imagerie médicale et données cliniques pour prédire la survie à 24 mois de patients atteints d’un cancer de la prostate métastatique résistant à la castration, traités par radiothérapie vectorisée ciblant le PSMA. Ce modèle affiche des performances prometteuses pour la stratification pronostique et l’aide à la décision clinique.
✕
Docteur Imago

GRATUIT
VOIR