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 15:13 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

10 Avr

15:32

Un modèle d’IA à apprentissage profond montre un potentiel en tant qu’outil de dépistage opportuniste de la santé osseuse chez les enfants, selon une étude publiée dans Radiology.

13:14

Les événements de sécurité des patients en radiologie représentent une faible proportion des incidents (3,2 %), mais révèlent des vulnérabilités importantes, notamment chez les enfants et les personnes âgées, avec un risque élevé lié aux médicaments et aux produits de contraste, selon une étude publiée dans Current Problems in Diagnostic Radiology

7:13

Les patientes atteintes d’un cancer du sein qui développent un dysfonctionnement cardiaque lors d’une chimiothérapie néoadjuvante subissent également une perte de tissu cérébral significativement plus importante que celles dont la fonction cardiaque reste stable, selon une étude publiée dans Academic Radiology.
09 Avr

16:21

Une étude multicentrique publiée dans European Radiology montre qu’un modèle de deep learning combinant nnU-Net et ConvNeXt-tiny permet d’évaluer avec précision l’invasion musculaire dans le cancer de la vessie à partir d’IRM, avec des performances élevées et stables.
Docteur Imago

GRATUIT
VOIR