« L’IA et les outils modernes d’interopérabilité devraient nous aider à mieux phénotyper nos patients »

Une étude a relevé des « différences significatives » de résultats entre deux solutions commerciales d'IA pour le calcul automatique des volumes du noyau et de la pénombre ischémique chez des patients atteints d'AVC (Viz.ai et RAPID.AI). Les chercheurs n'ont toutefois pas constaté de différence entre les deux logiciels dans l'évaluation de l'éligibilité à la thrombectomie selon les critères DEFUSE-3.

Des chercheurs de l'Ohio (États-Unis) ont développé et validé des modèles d'apprentissage profond pour la segmentation automatique du foie, de la rate et du pancréas sur examens des scanner pédiatrique. Les modèles de transfer learning entraînés à l'aide de bases de données publiques hétérogènes et affinés à l'aide de données institutionnelles ont donné les meilleurs résultats, écrivent-ils dans AJR.

Pour la recherche d'embolie pulmonaire aiguë, le scanner à comptage photonique permet d'examiner les patients avec les avantages de l'imagerie spectrale, y compris une imagerie morphologique de haute qualité et la perfusion pulmonaire pour tous les patients, tout en réduisant la dose de rayonnement de près de 50 % par rapport au détecteur à intégration d'énergie, selon une étude réalisée au CHU de Lille par l'équipe de Martine Rémy-Jardin. Lire notre article sur ce sujet.