Apprentissage profond

Un système d’IA jugé performant pour le diagnostic de l’ostéoporose

Des radiologues coréens ont développé des modèles de « deep radiomics » pour le diagnostic automatique de l'ostéoporose à partir de radiographies de la hanche. Leur approche pourrait permettre d’adapter la prise en charge des patients avant que les fractures ne se produisent.

icon réservé aux abonnésArticle réservé aux abonnés
Le 09/06/22 à 15:00, mise à jour aujourd'hui à 14:08 Lecture 2 min.

Les auteurs concluent que les modèles développés pouvaient diagnostiquer l'ostéoporose avec une haute performance. Selon eux, ils pourraient servir d'outils de triage pour orienter les patients présentant une forte suspicion d'ostéoporose vers un examen d’ostéodensitométrie. © S.Kim et coll./RSNA 2022

En Corée du sud, des chercheurs ont mis au point un système de « deep radiomics » pour diagnostiquer l’ostéoporose de façon automatique. Leurs résultats sont parus le 25 mai dans Radiology : Artificial Intelligence [1]. La radiomique profonde utilise des réseaux de neurones convolutifs pour extraire directement les caractéristiques de l’image.

4 900 radiographies

Des radiologues du service d’imagerie de l’hôpital universitaire national de Séoul ont développé leurs modèles à l'aide de 4 924 radiographies de la hanche réalisées chez 4 308 patients (3 632 femmes ; âge moyen 62 ans) entre septembre 2009 et avril 2020. Le T-score mesuré par ostéodensitométrie a été utilisé comme norme de référence pour l'ostéoporose.

Sept modèles mis au point

« Sept modèles de deep radiomics ont été développés en combinant différents types de caractéristiques : cliniques (Modèle-C), texture (Modèle-T), deep features (Modèle-D), texture et cliniques (Modèle-TC), deep features et cliniques (Modèle-DC), deep featu

Il vous reste 63% 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. Kim S., Kim B. R., Chae H.-D. Et coll., « Deep-radiomic-based-approach to the diagnosis of osteoporosis using hip radiographs », Radiology : Artificial Intelligence. Epub 25 mai 2022. DOI : 10.1148/ryai.210212.

Spécialité médicale

Musculo-squelettique

Modalité d’imagerie

Radiologie conventionnelle

Mots-clés

RSNA 22 intelligence artificielle radiomique

Discussion

Aucun commentaire

Laisser un commentaire

Sur le même thème

Le fil Docteur Imago

16 Jan

15:29

Un tissu mammaire dense réduit la performance de la tomosynthèse mammaire numérique, selon une étude publiée dans Academic Radiology. « Ces résultats soulignent la nécessité de rapporter et de prendre en compte la densité mammaire dans les recommandations de dépistage. »

13:27

Vidi Capital finalise son rapprochement avec le groupe IMAC à Cholet, qui rejoint le réseau. Cette opération porte à 110 le nombre de médecins en exercice, répartis au sein de sept entités et IMAC devient ainsi le deuxième groupe des Pays-de-la-Loire à s’adosser à Vidi Capital, après Vidi – Rad’Yon, annonce un communiqué de presse.

7:13

Bayer a annoncé la conclusion d’accords définitifs pour l’acquisition auprès d’Attralus de deux agents d’imagerie moléculaire expérimentaux, AT-01 et AT-05, destinés au diagnostic de l’amyloïdose cardiaque. Cette opération stratégique renforce la position de Bayer dans l’imagerie moléculaire et s’inscrit dans le développement de sa stratégie de cardiologie de précision, annonce un communiqué.

7:00

15 Jan

15:14

Les élections de l’European Society of Radiology (ESR) se tiendront du 8 au 21 janvier 2026. Deux candidates soutenues par la SFR, les professeurs Isabelle Thomassin-Naggara et Corinne Balleyguier, présentent leur candidature. Les radiologues français membres de l’ESR sont appelé à se mobiliser en votant par courriel : voting@polyas.com.

13:13

Bien que les unités mobiles de mammographie puissent améliorer l’accès aux soins pour des populations médicalement défavorisées, une étude pilote publiée dans Academic Radiology, met en lumière des opportunités pour promouvoir un suivi rapide et équitable des mammographies de dépistage anormales grâce à une meilleure navigation des patients, un soutien social et une aide financière.
✕
Docteur Imago

GRATUIT
VOIR