RSNA 2022

Quelle place pour l’IA dans la prise en charge de l’AVC ?

Lors d'une présentation au RSNA 2022, la neuroradiologue Jennifer Soun a détaillé les potentielles applications de l'IA à chaque étape de la prise en charge de l'AVC en imagerie, de la détection des occlusions à la décision de traitement et au pronostic des résultats.

icon réservé aux abonnésArticle réservé aux abonnés
Le 09/02/23 à 8:00, mise à jour le 11/09/23 à 13:30 Lecture 4 min.

Au RSNA, Jennifer Soun soulignait que l’IA possède un potentiel de valeur ajoutée pour l’imagerie de l’AVC en facilitant la prise de décision individualisée et en aidant à répondre à des questions cruciales sur la prise en charge des AVC. capture d'écran RSNA 2022

Quel est le rôle de l’intelligence artificielle (IA) pour le triage de l’accident vasculaire cérébral ? Et comment peut-elle aider les radiologues dans le processus de prise de décision ? Lors d’une session du RSNA 2022, ces questions ont été soulevées par Jennifer Soun, professeure assistante de neuroradiologie à l’université de Californie à Irvine. Selon elle, l’IA pourrait jouer un rôle à chaque étape du triage des patients.

Détecter les hémorragies…

Pour la détection de l’hémorragie, l’intervenante cite un exemple présenté dans la revue AJNR en 2018 [1]. Dans cette étude, un réseau de neurones convolutifs (CNN) a été capable de détecter et de quantifier l’hémorragie cérébrale avec une précision très élevée. « La précision, l'aire sous la courbe, la sensibilité, la spécificité, la valeur prédictive positive et la valeur prédictive négative pour la détection des hémorragies étaient respectivement de 0,975, 0,983, 0,971, 0,975, 0,793 et 0,997 sur la cohorte d'entraînement, et de 0,970,

Il vous reste 83% 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

Carla Ferrand

Bibliographie

  1. Chang P. D., Kuoy E., Grinband B. D. et coll., « Hybrid 3D/2D convolutional neural network for hemorrhage evaluation on head CT », American Journal of Neuroradiology, septembre 2018, vol. 39, n° 9, p. 1609-1616. DOI : 10.3174/ajnr.A5742
  2. Meng S., Tran T. M. L., Hu M. et coll., « End-to-end artificial intelligence platform for the management of large vessel occlusions: A preliminary study », Journal of Stroke and Cerebrovascular Diseases, novembre 2022, vol. 31, n° 11. DOI : 10.1016/j.jstrokecerebrovasdis.2022.106753.
  3. Chiang P.-L., Lin S.-Y., Chen M.-H. et coll., « Deep learning based automatic detection of ASPECTS in acute ischemic stroke: improving stroke assessment on CT scans », Journal of Clinical Medicine, août 2022, vol. 11, n° 17. DOI : 10.3390/jcm11175159.
  4. Cetinoglu Y. K., Koska I. O., Uluc M. E. et coll., « Detection and vascular territorial classification of stroke on diffusion-weighted MRI by deep learning », European Journal of Radiology, décembre 2021, vol. 145, n° 11051. DOI : 10.1016/j.ejrad.2021.110050.
  5. Morey J. R., Zhang X., Yaeger K. A. et coll., « Real-world experience with artificial intelligence-based triage in transferred large vessel occlusion stroke patients », Cerebrovascular Diseases, 2021, vol. 50, n° 4, p. 450-455. DOI : 10.1159/000515320.

Discussion

Aucun commentaire

Laisser un commentaire

Sur le même thème

Le fil Docteur Imago

13:31

Un réseau de neurones convolutifs (CNN) a été entraîné à détecter automatiquement les zones floues en mammographie dans des régions pertinentes pour le diagnostic. Ce modèle, s'il était implémenté en pratique clinique, pourrait fournir un retour utile aux MERM afin de réaliser rapidement de meilleures prises de vue qui soient de haute qualité, selon une étude rétrospective.

7:31

Un état de l'art en français sur la biopsie pulmonaire percutanée sous scanner présentant ses indications, ses contre-indications et les bonnes pratiques dans ce domaine a été publié le 14 novembre en accès libre dans le Journal d'imagerie diagnostique et interventionnelle.
20 Nov

16:01

Les séquences ciné en IRM cardiaque reconstruites par apprentissage profond et acquises sur trois cycles cardiaques permettent de réduire le temps d’acquisition de plus de 50 % par rapport à la séquence référence sans apprentissage profond, et le tout sans différence dans la qualité d'image, selon une étude prospective menée sur 55 volontaires sains en IRM 1,5 T.
Docteur Imago

GRATUIT
VOIR