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 le 11/09/23 à 13:23 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

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

22 Oct

7:26

Les résultats positifs de la mammographie de dépistage identifiés à la fois par des radiologues et par l'IA seraient associés à l'incidence la plus élevée de cancer du sein sur 5 ans, soit 3,74 %, dépassant le seuil de 3 % à partir duquel une chimioprévention ou une imagerie complémentaire peut être envisagée (étude).

7:00

21 Oct

16:28

15:00

14:04

Des chercheurs chinois ont combiné un modèle d'apprentissage profond d'analyse d'images échographiques et un modèle de langage pour améliorer la détection et l'évaluation des tumeurs ovariennes. Il a permis d'améliorer les performances des radiologues et de hisser celles des médecins de premier recours à des niveaux experts, écrivent-ils dans Insights into Imaging.

7:30

Une revue d'études confirme la haute sensibilité de la classification PI-RADS dans sa version 2.1 pour la détection des cancers de la prostate cliniquement significatifs. Une proportion « considérable » d'entre elles présentent toutefois de forts risques de biais et des préoccupations d'applicabilité et sont associées à une baisse de la sensibilité et une hausse des taux de détection des cancers PI-RADS de catégorie 2.
✕
Docteur Imago

GRATUIT
VOIR