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 hier à 14:10 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

05 Jan

7:21

Une étude a déterminé l'utilité de la reconstruction par gradient conjugué (CG Recon) et de la reconstruction par apprentissage profond (DLR) pour réduire le temps de balayage tout en maintenant la qualité de l'image et la capacité de détection des nodules sur l'IRM pulmonaire avec TE ultracourt (UTE-MRI) par rapport à la reconstruction par grille (Grid Recon).
02 Jan

16:16

Le ministère de la Santé et l'Institut national du cancer (INCA) ont annoncé ce lundi 29 décembre 2025 la création d'un registre national des cancers. Ce dernier aura pour objectif de recueillir les données concernant l’ensemble des cas de cancers sur le territoire afin « d’améliorer la connaissance de la maladie, le suivi des trajectoires des patients et l’évaluation des actions de prévention, de dépistage, de prise en charge et de suivi après-cancer ».

13:24

L'imagerie de dispersion des ondes de cisaillement améliore les performances diagnostiques pour des lésions mammaires de taille, de profondeur et d'épaisseur variables, palliant ainsi les limitations de l'élastographie par ondes de cisaillement. Elle est particulièrement efficace pour les petites lésions (≤ 20 mm) et les masses BI-RADS 4B (étude).
31 Déc

15:55

Le signe de l'artère cérébrale moyenne hyperdense au scanner non injecté est associé à un résultat favorable à long terme chez les patients atteints d'un AVC bénéficiant d'une thrombectomie (étude).
Docteur Imago

GRATUIT
VOIR