Communication des résultats

Une étude révèle les différents facteurs à l’œuvre dans l’hétérogénéité entre comptes rendus radiologiques

Une étude française parue en mars a décortiqué les paramètres expliquant l'hétérogénéité entre les comptes rendus d’examens d’imagerie d’urgence. Ses résultats permettent d'espérer une personnalisation accrue des logiciels de saisie pour améliorer l'homogénéité des comptes rendus radiologiques.

icon réservé aux abonnésArticle réservé aux abonnés
Le 15/06/22 à 7:00, mise à jour le 11/09/23 à 13:30 Lecture 4 min.

Les chercheurs ons recherché les causes majeures d'hétérogénéité en analysant une sélection de 30 227 comptes rendus (photo d'illustration). © Virginie Facquet

L'expérience, la charge de travail antérieure, la spécialisation, le sexe… De nombreux facteurs interviennent dans la manière dont les radiologues s'expriment. Mais lesquels participent le plus à l'hétérogénéité entre comptes rendus radiologiques ? C'est la problématique à laquelle s’est attaqué un groupe de radiologues français, dont les conclusions sont parues le 22 mars dans Journal of Digital Imaging [1].

Améliorer l’homogénéité des comptes rendus

« Ce travail est issu d'un questionnement sur nos pratiques. Nous cherchons à améliorer l'homogénéité de nos comptes rendus », commente Guillaume Gorincour, dernier auteur de l'étude, radiologue et directeur scientifique d'Imadis, service français de téléradiologie d'urgence comptant plus de 100 associés. L'enjeu est de taille pour améliorer les pratiques et les connaissances radiologiques. « Quand on veut analyser des comptes rendus hétérogènes, un certain nombre de dossiers ne sont pas exploitables, explique Guillaume Gorincour. En réalis

Il vous reste 84% 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

François Mallordy

Journaliste rédacteur spécialisé

Voir la fiche de l’auteur

Bibliographie

  1. Crombé A., Seux M., Bratan F. et coll., « What influences the way radiologists express themselves in their reports? A quantitative assessment using natural language processing », Journal of Digital Imaging, 22 mars 2022. DOI : 10.1007/s10278-022-00619-6.
  2. Ben Cheikh A., Gorincour G., Nivet H. et coll., « How artificial intelligence improves radiological interpretation in suspected pulmonary embolism », European Radiology, 22 mars 2022. DOI : https://doi.org/10.1007/s00330-022-08645-2.
  3. Banaste N., Caurier B., Bratan F. et coll., « Whole-body CT in patients with multiple traumas: factors leading to missed injury », Radiology, novembre 2018, vol. 289, n° 2. Epub 7 août 2018. DOI : 10.1148/radiol.2018180492.

Spécialité médicale

Urgence

Modalité d’imagerie

IRM Scanner Radiologie conventionnelle

Mots-clés

compte rendu

Discussion

Aucun commentaire

Laisser un commentaire

Sur le même thème

Sommaire

Le fil Docteur Imago

23 Oct

16:18

Le score de Kaiser en IRM mammaire présente une excellente précision diagnostique pour distinguer les lésions bénignes des lésions malignes chez les patientes présentant des anomalies BI-RADS 0 ou 4 en imagerie conventionnelle (étude).

15:00

13:16

Chez les patients obèses, le scanner à comptage photonique (PCCT) offre une meilleure qualité d’image que le scanner conventionnel (EID CT), avec un meilleur contraste et un rapport signal/bruit supérieur. Il permet également de réduire significativement la dose d’irradiation, en maintenant une bonne qualité diagnostique (étude).

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.
✕
Docteur Imago

GRATUIT
VOIR