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 15:15 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

7:30

Une étude montre que la TEP-IRM ciblant la protéine d'activation des fibroblastes (FAP) détecte davantage de lésions suspectes d’endométriose que l’IRM conventionnelle, soutenant son intérêt comme outil complémentaire pour l’évaluation préopératoire.
11 Juin

16:00

L’ASNR a été informée d’une erreur de radiothérapie, classée au niveau 2 de l’échelle ASN-SFRO, survenue en mars 2026 au CHU de Saint-Étienne (42). Une dose de 9 Gy destinée à une vertèbre atteinte d’une métastase a été administrée par erreur à la vertèbre voisine saine en raison d’un mauvais positionnement du patient.

13:00

Des modèles d’intelligence artificielle évalués pour la classification de la malignité des nodules pulmonaires au scanner thoracique ont montré une sensibilité élevée (88 %) mais une spécificité modérée (75 %), soutenant un rôle potentiel dans les stratégies d’exclusion d'un cancer pulmonaire étude).

9:30

Selon une étude publiée dans The Journal of Nuclear Medicine, un nouveau système de TEP-TDM à champ de vision à long axe (LAFOV), utilisant des détecteurs de 30 mm au germanate de bismuth (BGO) avec des photomultiplicateurs au silicium offre une qualité d’image supérieure à la TEP-TDM à champ de vision court-axial (SAFOV) malgré des réductions marquées du temps d’acquisition, avec des caractéristiques de bruit comparables sur plusieurs radiopharmaceutiques.
Docteur Imago

GRATUIT
VOIR