Dossier

Les avancées et les promesses de l’imagerie des maladies neurodégénératives

Ce dossier regroupe nos articles sur l’imagerie des maladies neurodégénératives. À mesure que se développent les séquences avancées, les nouvelles techniques et les nouveaux outils, l’imagerie médicale s’impose comme le standard pour étudier ces pathologies, prédire leur apparition et leur évolution et anticiper la réponse aux traitements existants et à venir.

D. R.

icon réservé aux abonnésArticle réservé aux abonnés
Le 18/11/24 à 15:00, mise à jour le 27/01/25 à 12:03

Auteurs

Jérome Hoff

Rédacteur en chef adjoint BOM Presse Clichy

Voir la fiche de l’auteur

Spécialité médicale

Médecine nucléaire Neurologie

Modalité d’imagerie

Échographie Médecine nucléaire IRM Scanner

Mots-clés

Alzheimer maladies neurodégénératives

Sur le même thème

Le fil Docteur Imago

23 Oct

7:45

Une étude a comparé un système d’intelligence artificielle aux critères PI-RADS pour la détection du cancer de la prostate cliniquement significatif en IRM, démontrant une sensibilité non inférieure à l’échelle du patient, mais inférieure à l’échelle lésionnelle. L’IA pourrait compléter PI-RADS pour optimiser le triage des biopsies, notamment des lésions indéterminées PI-RADS 3, concluent les chercheurs.

7:00

22 Oct

15:30

Une équipe de chercheurs a développé un système d’intelligence artificielle multimodale combinant imagerie médicale et données cliniques pour prédire la survie à 24 mois de patients atteints d’un cancer de la prostate métastatique résistant à la castration, traités par radiothérapie vectorisée ciblant le PSMA. Ce modèle affiche des performances prometteuses pour la stratification pronostique et l’aide à la décision clinique.

15:00

11:30

L'IRM mammaire à contraste dynamique virtuel (vDCE) générée par deep learning sans injection de gadolinium possède une précision diagnostique comparable à celle de l’IRM conventionnelle, mais une sensibilité légèrement inférieure, selon une étude publiée dans European Radiology 

7:30

Les radiologues et les grands modèles de langage présentent des profils d’erreur complémentaires dans la détection des radiographies thoraciques générées par l’IA, selon une étude publiée dans le Journal of Imaging Informatics in Medicine.
✕
Docteur Imago

GRATUIT
VOIR