Optimisation du dépistage

Une nouvelle IA prédit le cancer du poumon jusqu’à 6 ans à partir d’un scanner thoracique

Un nouvel algorithme utilisant l'apprentissage profond prédit le risque de développer un cancer bronchopulmonaire dans les six ans suivant la réalisation d'un scanner thoracique. Il a fait l'objet d'une publication dans Journal of Clinical Oncology en janvier 2023.

icon réservé aux abonnésArticle réservé aux abonnés
Le 13/02/23 à 16:00, mise à jour aujourd'hui à 14:08 Lecture 2 min.

L'IA Sybil, validée sur trois cohortes indépendantes de patients, prédit le risque individuel de cancer du poumon à partir d'un scanner thoracique, avec une aire sous la courbe supérieure à 0,75 sur 6 ans (image d'illustration). D. R.

Un unique scanner thoracique basse dose, sans données cliniques associées ni annotations. C'est tout ce que nécessite Sybil, un nouveau modèle d'apprentissage profond, pour prédire le risque de développer un cancer du poumon chez différentes cohortes de sujets ayant participé à un dépistage du cancer bronchopulmonaire, d'après une étude rétrospective présentée en janvier 2023 dans Journal of Clinical Oncology [1].

Trois bases de données

Les chercheurs du Massachusetts Institute of Technology de Cambridge (États-Unis) et du Massachusetts General Hospital (MGH) de Boston (États-Unis) à l'origine de l'article ont entraîné puis validé Sybil sur des milliers de scanners thoraciques basse dose provenant de trois bases de données différentes : le dépistage au MGH (8 821 scanners basse dose dans la base de données de validation), le dépistage organisé national américain (6 282 examens), et le dépistage au Chang Gung Memorial Hospital (CGMH) à Taïwan (12 280 examens). Grâce à la sélection de suje

Il vous reste 71% 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

François Mallordy

Journaliste rédacteur spécialisé

Voir la fiche de l’auteur

Bibliographie

  1. Mikhael P. G., Wohlwend J., Yala A. et coll., « Sybil: A Validated Deep Learning Model to Predict Future Lung Cancer Risk From a Single Low-Dose Chest Computed Tomography », Journal of Clinical Oncology, 12 janvier 2023. DOI : 10.1200/JCO.22.01345.

Spécialité médicale

Oncologie

Modalité d’imagerie

Scanner

Mots-clés

cancer du poumon apprentissage profond

Discussion

Aucun commentaire

Laisser un commentaire

Sur le même thème

Le fil Docteur Imago

05 Mar

15:43

Une étude publiée dans Academic Radiology utilisant un suivi oculaire des radiologues lors de l’interprétation de scanners hépatiques, montre que la technique du « drilling » (fixation du regard sur une zone avec défilement rapide des coupes) est associée à une meilleure sensibilité pour détecter les métastases hépatiques que le « scanning ». Une durée d’interprétation plus longue est également liée à une sensibilité plus élevée, contrairement à la vitesse de défilement des images.

15:00

13:56

Une étude parue dans Academic Radiology montre que l’IRM hépatique à 5,0 T avec une demi-dose d’acide gadoxétique offre une qualité d’image supérieure ou équivalente à l’IRM à 3,0 T tout en permettant une réduction de 25 % du temps d’acquisition et en atténuant les artefacts de mouvement.

7:33

Une méta-analyse publiée dans Emergency Radiology évaluant 5 790 radiographies montre que l’intelligence artificielle détecte les épanchements du coude avec une sensibilité de 92,7 % et une spécificité de 97,8 %, des performances comparables à celles des médecins sans différence significative entre les deux groupes.

7:00

04 Mar

16:25

Une étude publiée dans Lancet Oncology alerte que le nombre de cas de cancer du sein pourrait atteindre les 3,5 millions d'ici 2050. (Etude)  
✕
Docteur Imago

GRATUIT
VOIR