Apprentissage profond

Une IA améliore la détection des fractures par radiographie

D’après les résultats d’une étude parue dans Radiology, un système d’apprentissage profond développé par le français Gleamer a permis d’améliorer de près de 9 % la sensibilité des médecins radiologues et urgentistes pour la détection sur des radiographies de fractures sur tout le squelette appendiculaire.

icon réservé aux abonnésArticle réservé aux abonnés
Le 16/06/21 à 16:00, mise à jour aujourd'hui à 14:17 Lecture 2 min.

Le logiciel met en avant les régions d’intérêt en les entourant d’une boîte et fournit un « score de confiance » concernant la présence d’une fracture dans ces zones. © Duron L. et coll.

L’entreprise française Gleamer a annoncé en mai la parution dans Radiology des résultats d’une étude clinique « de grande envergure » sur l’efficacité de sa solution d’intelligence artificielle BoneView® [1].  Ce logiciel, basé sur l’apprentissage profond « détecte les lésions en radiographie traumatique et les présente au radiologue pour validation finale », indique la société dans un communiqué de presse.

Un test clinique sur 600 patients

Financée et conçue par Gleamer, l’étude a comparé les performances de 6 médecins urgentistes et 6 radiologues avec et sans l’aide de BoneView® sur un échantillon rétrospectif d’examens réalisés sur 600 patients issus de 17 centres français, obtenus après un traumatisme récent, dont certains montraient une ou plusieurs fractures de l’épaule, du bras, de la main, du bassin, de la jambe ou du pied. Le logiciel avait été préalablement entraîné à l’aide de 60 170 radiographies de patients traumatiques.

La première étude du genre

« À notre connaissance, il s’

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

Jérome Hoff

Rédacteur en chef adjoint BOM Presse Clichy

Voir la fiche de l’auteur

Bibliographie

  1. Duron L., Ducarouge A., Gillibert A. et coll., « Assessment of an AI aid in detection of adult appendicular skeletal fractures by emergency physicians and radiologists: A multicenter cross-sectional diagnostic study », Radiology, 2021. Epub 4 mai 2021. DOI : 10.1148/radiol.2021203886.

Discussion

Aucun commentaire

Laisser un commentaire

Sur le même thème

Le fil Docteur Imago

11 Mar

16:02

Des chercheurs ont utilisé un système d'IA pour quantifier automatiquement les calcifications artérielles mammaires à partir de mammographies de dépistage du cancer du sein pour identifier les femmes à risque cardiovasculaire. Des calcifications ont été détectées chez 16,1 % (cohorte interne) et 20,6 % (cohorte externe) des femmes et ont fourni une valeur pronostique significative (étude).

14:00

La Société européenne de radiologie (ESR) annonce le lancement de la nouvelle revue European Radiology Abdomen. Fondée en collaboration avec la Société européenne de radiologie gastro-intestinale et abdominale (ESGAR) et la Société européenne de radiologie urogénitale (ESUR), la nouvelle revue a pour rédactrice en chef la radiologue Valérie Vilgrain.

7:30

La suite d'outils d'intelligence artificielle Rayvolve AI de l'entreprise française AZmed a démontré des performances robustes et généralisables dans plusieurs applications telles que la détection des anomalies thoraciques ou le calcul de l'âge osseux, dans une étude sur plus de 250 000 examens de radiographie.
10 Mar

16:05

Un étiquetage des lésions à l'aide d'étiquettes reproductibles entre lecteurs est essentiel au développement et à la validation des algorithmes d'intelligence artificielle en médecine nucléaire, défendent les auteurs d'un article paru dans JNM, qui jugent que les pratiques en la matière ne sont pas assez rigoureuses.
Docteur Imago

GRATUIT
VOIR