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 le 10/02/26 à 14:16 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

12 Fév

7:11

Le LLM polyvalent (Cohere Command-A) évalué dans une étude a démontré de solides performances dans l’automatisation de la stadification FIGO pour les cancers du col de l’utérus et de l’endomètre à partir des rapports IRM. Leur intégration pourrait réduire la charge de travail des radiologues.
11 Fév

16:09

Median Technologies a obtenu l’autorisation 510(k) de la FDA pour son dispositif médical eyonis® LCS.  Basé sur l’IA. Celui-ci vise à transformer le dépistage du cancer du poumon en aidant à son diagnostic à des stages précoces et curables et ce, en limitant les examens de suivi inutiles et les faux positifs.

13:30

Un rapport conjoint publié en janvier 2026, de la joint commission, organisme de certification aux Etats-Unis et du National Quality Forum (NQF), mentionne le « Préjudice au patient associé à une lésion thermique liée à l'IRM », comme un domaine d’inquiétude important. Les deux organismes américains ont aligné leurs listes des événements Sentinel et « événements graves à signaler », afin de simplifier le signalement des événements de sécurité des patients. (Source)

7:16

L’obésité réduit la performance de la radiographie thoracique pour le diagnostic de pneumonie, avec une concordance et une sensibilité nettement inférieures à celles observées chez les patients non obèses. Dans ce contexte, le scanner thoracique démontre une précision diagnostique supérieure pour la pneumonie, chez les patients obèses. (Étude)
Docteur Imago

GRATUIT
VOIR