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

07 Août

7:10

La Société nord-américaine de radiologie (RSNA) annonce le lancement de son challenge IA pour l'imagerie du genou. Les modèles développés seront évalués sur leur capacité à détecter et à classer avec précision les anomalies du genou visibles à l'IRM. Les gagnants seront annoncés au prochain congrès de la RSNA qui se tiendra du 29 novembre au 3 décembre.
06 Août

16:00

L'arrêté du 4 août 2026 fixant le nombre d'étudiants de troisième cycle des études de médecine susceptibles d'être affectés, par spécialité et par subdivision territoriale au titre de l'année universitaire 2026-2027 a été publié au Journal Officiel. Pour la radiologie, le nombre d'internes est fixé à 266, et pour la médecine nucléaire à 44.

13:44

Des grands modèles de langage (LLM) seraient capables de générer, à partir des notes cliniques, des indications pertinentes en radiologie qui seraient plus complètes et plus factuelles que les indications émises par des cliniciens (étude).

7:31

Median Technologies et Olea Medical annoncent avoir conclu un partenariat pour le déploiement commercial du logiciel Eyonis® LCS de Median pour le dépistage du cancer du poumon (communiqué).
Docteur Imago

GRATUIT
VOIR