Scanner thoracique

Une IA pour diagnostiquer les lésions Covid à très basse dose

Une équipe de chercheurs suisses et iraniens a entraîné un algorithme d’apprentissage profond à prédire des images « dose entière » à partir d’examens de scanner thoracique ultra basse dose de patients Covid-19. Le modèle obtient des résultats « appropriés », avec certaines limites.

icon réservé aux abonnésArticle réservé aux abonnés
Le 16/03/21 à 16:30, mise à jour hier à 15:13 Lecture 2 min.

Les images ultra basse dose (au centre) sont d’une qualité « insuffisante » pour le diagnostic mais les images « dose entière » reconstruites par l’algorithme à partir de ces dernières (à droite) obtiennent pour la plupart un score de qualité de « bon » à « excellent » et sont « appropriées pour la tâche demandée ». Les images « dose entière » natives (à droite) obtiennent le meilleur score. © Shiri I. et coll.

Dès les premières semaines de la pandémie de Covid-19, le scanner thoracique s’est présenté comme une solution pertinente pour le diagnostic et le suivi des patients. Ce rôle de premier plan pose toutefois la question de la radioprotection, soulignent Isaac Shiri et Azadeh Akhavanallaf, respectivement chercheurs à l’hôpital universitaire de Genève, en Suisse, et à la faculté de médecine de Téhéran, en Iran, dans la revue European Radiology. « Le scanner reste la première cause médicale d’exposition aux rayonnements ionisants, malgré les progrès techniques », écrivent-ils dans un article paru en début d’année [1].

Des images ultra basse dose simulées

Pour résoudre ce problème, ils ont collecté, avec leurs confrères, 1 141 examens de scanners, dont 312 de patients positifs au test RT-PCR, issus de 3 centres. En utilisant des outils statistiques et mathématiques, ainsi qu’une base d’images de référence, ils ont dégradé la qualité de ces examens pour simuler des images acquises à très basse

Il vous reste 72% 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

Jérome Hoff

Rédacteur en chef adjoint BOM Presse Clichy

Voir la fiche de l’auteur

Bibliographie

  1. Shiri I., Akhavanallaf A., Sanaat A. et coll., « Ultra-low-dose chet CT imaging of COVID-19 patients using a deep residual neural network », European Radiology, 2021, vol. 31, p. 1420-1431. DOI : 10.1007/s00330-020-07225-6.

Discussion

Aucun commentaire

Laisser un commentaire

Sur le même thème

Le fil Docteur Imago

13 Avr

16:39

Un modèle basé sur l'apprentissage profond capable de prédire l'étendue du noyau ischémique dans les cas de reperfusion réussie et la région combinée de noyau et de pénombre ischémique après l'échec d'une reperfusion a surpassé les méthodes cliniques actuelles basées sur le scanner de perfusion. Étude.

14:38

Chez des patients avec des anévrismes ophtalmiques à collet large non rompus de moins de 10 mm, l'embolisation par flow diverter n'a pas donné de meilleurs résultats que le coiling avec ou sans placement de stent, concluent les auteurs d'un essai randomisé.

7:27

Une étude pilote démontre la performance « favorable » de la TEP au [18F]DASA-23, qui se lie à la pyruvate kinase M2, pour le diagnostic des gliomes de haut grade. « Son absorption après le début de la thérapie pourrait être un marqueur utile pour évaluer l'efficacité du traitement et le pronostic des patients », écrivent les auteurs.
10 Avr

15:32

Un modèle d’IA à apprentissage profond montre un potentiel en tant qu’outil de dépistage opportuniste de la santé osseuse chez les enfants, selon une étude publiée dans Radiology.
Docteur Imago

GRATUIT
VOIR