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 hier à 15:07 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

23 Oct

7:45

Une étude a comparé un système d’intelligence artificielle aux critères PI-RADS pour la détection du cancer de la prostate cliniquement significatif en IRM, démontrant une sensibilité non inférieure à l’échelle du patient, mais inférieure à l’échelle lésionnelle. L’IA pourrait compléter PI-RADS pour optimiser le triage des biopsies, notamment des lésions indéterminées PI-RADS 3, concluent les chercheurs.

7:00

22 Oct

15:30

Une équipe de chercheurs a développé un système d’intelligence artificielle multimodale combinant imagerie médicale et données cliniques pour prédire la survie à 24 mois de patients atteints d’un cancer de la prostate métastatique résistant à la castration, traités par radiothérapie vectorisée ciblant le PSMA. Ce modèle affiche des performances prometteuses pour la stratification pronostique et l’aide à la décision clinique.

15:00

11:30

L'IRM mammaire à contraste dynamique virtuel (vDCE) générée par deep learning sans injection de gadolinium possède une précision diagnostique comparable à celle de l’IRM conventionnelle, mais une sensibilité légèrement inférieure, selon une étude publiée dans European Radiology 

7:30

Les radiologues et les grands modèles de langage présentent des profils d’erreur complémentaires dans la détection des radiographies thoraciques générées par l’IA, selon une étude publiée dans le Journal of Imaging Informatics in Medicine.
✕
Docteur Imago

GRATUIT
VOIR