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 15:08 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 Oct

16:21

La présence d'une couronne échogène entourant une masse est associée à une tumeur maligne invasive et correspond à une évolution du carcinome canalaire in situ vers un cancer invasif d'après l'examen histopathologique postopératoire, selon une étude présentée dans Academic Radiology. Toutefois, elle n'apporte guère d'informations supplémentaires utiles aux radiologues sur le plan diagnostique ou pronostique.

15:00

14:16

L'apprentissage machine utilisant des caractéristiques radiomiques des tissus adipeux épicardiques est prometteur pour prédire la fibrillation atriale, mais l'hétérogénéité des études sur le sujet freine encore son adoption en pratique clinique. Étude.

7:31

Les injections de corticostéroïdes guidées par échographie pourraient améliorer les résultats rapportés par les patients et réduire les événements indésirables dans le traitement du syndrome du canal carpien, ce qui soutient leur utilisation préférentielle par rapport aux injections guidées par repère anatomique lorsque l’expertise et les ressources nécessaires sont disponibles. (Etude)

7:00

02 Oct

12:09

L’IA en radiologie peut réduire le temps de rendu des examens, notamment en radiographie traumatique et en IRM du genou mais la latence de l’infrastructure reste le principal frein à une utilisation clinique efficace (étude).
✕
Docteur Imago

GRATUIT
VOIR