Publicité

Un algorithme pour identifier et évaluer le stade d'évolution d'une fibrose hépatique à partir de l'IRM et de l'ERM

26/11/2020
De Rédaction

Une étude rétrospective menée par Median Technologie révèle les qualités de spécificité et de sensibilité d’un algorithme d’IA pour évaluer le stade d’une stéatose hépatique non alcoolique par ERM ainsi que pour détecter une fibrose hépatique par IRm morphologique.

Median Technologies a annoncé, le 24 novembre 2020, les résultats d'une première étude rétrospective sur l'évaluation, grâce à un biomarqueurnon-invasifextrait des images d’IRM et l’élastographie IRM (ERM) de la sévérité de fibrose hépatique chez des patients souffrant de stéatose hépatique non alcoolique (Non-AlcoholicSteatoHepatitis - NASH).

Quantifier le pouvoir discriminant de l’IA pour l’évaluation de la fibrose hépatique à partir de l’ERM

Le pronostic de la NASH est principalement lié au degré de fibrose hépatique dont le diagnosticrepose sur l'examen histologique d'une ponction-biopsie hépatique. En routine clinique toutefois,l'évaluation de l'absence de fibrose avancée de la maladie se fait pardes tests sanguins ou l'élastométrie hépatique.La biopsie est toutefois indispensable au diagnostic de la NASH avancée.L'intérêtclinique consiste à distinguer avec précision et de façon non-invasive les patientsprésentant une fibrose précoce de ceux présentant une fibrose avancée à risque de progresser vers la cirrhose et le cancer du foie.

Dans ce contexte clinique, l'objectif de l'étude rétrospective préliminaire menée par Median Technologiesa été de quantifier le pouvoir discriminant entre les stades de fibrose précoce et de fibrose avancée des algorithmes d'apprentissageintégrés dans la plateforme iBiopsy® chez des patients souffrant de la NASH.Les images IRM et ERM d'une cohorte de patientsatteints de laNASH ayant une fibrose de stade F2 ou F3 selon la classification histologique du NASH CRN (F0-F4),ontété utilisées pour modéliser la relation entre les caractéristiques des images du foie et les stades histologiquesprécoces et avancés de fibrose hépatique. Laperformance du test iBiopsy®appréciée par AUROC est de 0.90 avec une spécificité de 0.89 et une sensibilitéde 0.86 pour le diagnostic de fibrose avancée (F3) basé sur l’ERM.

Optimiser la performance de l’IRM morphologique pour détecter les fibroses hépatiques

Malgré ses excellentes performances, le coût élevé et l'accès restreint de l’ERM limitent son adoption clinique pour mesurer la fibrose hépatique. Dans ce contexte, les performances de iBiopsy® ont également été mesurées sur des images d'IRM morphologique sans injection de produit de contraste. Aujourd'hui, en routine clinique, les mesures morphologiques réalisées sur l'IRM seule ne sont pas fiables et restent insuffisantes pour détecter des fibroses même importantes du foie. Cependant, en appliquant les technologies d'IA de iBiopsy®, la performance prédictive est encourageante avec une spécificité de 0.83 et une sensibilité de 0.72. Median s'attend à une amélioration de la précision de la mesure grâce à l'optimisation des algorithmes d'apprentissage.

Les résultats de l'étude préliminaire montrent que le biomarqueur non invasif de fibrose NASH obtenu via la plateforme iBiopsy®pourrait permettre de discriminerune fibrose précoce d'une fibroseavancée.Ces résultats nécessitent une validation sur des cohortes indépendantes.

SUR LE MÊME THÈME

Imagerie Abdominale
Évaluer la volumétrie vasculaire hépatique grâce à la segmentation des images IRM
Abonné(e)

Évaluer la volumétrie vasculaire hépatique grâce à la segmentation des images IRM

Plusieurs techniques d’imagerie sont utilisées explorer les répercutions vasculaires de la maladie hépatique chronique. Une étude publiée dans la Revue European Radiology teste la segmentation pour évaluer les volumes vasculaires hépatiques à partir de l’IRM avec injection d'acide gadoxétique. Un mo...

11/02/2026 -

Imagerie Abdominale
Deux profils de répartition des graisses abdominale pour des répercutions différentes pour la santé mentale
Abonné(e)

Deux profils de répartition des graisses abdominale pour des répercutions différentes pour la santé mentale

L’IRM serait à la base de l’identification de deux profils de patients pour deux types de répartition abdominale des graisses. Une étude chinoise publiée dans la Revue Radiology utilise de nombreux biomarqueurs pour tenter d’identifier les répercutions cérébrales pour chaque profil. Il en résulte no...

04/02/2026 -

Imagerie Abdominale
Deux études montrent l'efficacité de l'échographie ultra-portable
Abonné(e)

Deux études montrent l'efficacité de l'échographie ultra-portable

La société echOpen vient d’annoncer la publication de deux essais cliniques multicentriques - CLIN-ECHO-II et PRESTO démontrant la fiabilité, la précision et l’opérabilité de son dispositif d’échographie ultra-portable echOpen O1.

03/02/2026 -

Imagerie Abdominale
Des arguments solides pour élargir les applications de l'échographie de contraste
Abonné(e)

Des arguments solides pour élargir les applications de l'échographie de contraste

L’exploration des lésions hépatiques focales est le seul domaine où l’échographie de contraste est autorisée aujourd’hui. Pourtant, des applications non autorisées peuvent apporter un vrai bénéfice au patient. Dans un article publié dans la Revue European Radiology, des experts évoquent des indicati...

28/01/2026 -

Imagerie Abdominale
Dépistage du carcinome hépatocellulaire : les recommandations de l'AASLD v2023 montrent leur supériotité
Abonné(e)

Dépistage du carcinome hépatocellulaire : les recommandations de l'AASLD v2023 montrent leur supériotité

L’échographie fait preuve d’une faible sensibilité pour le dépistage du carcinome hépatocellulaire. De nouvelles recommandations de l'American Association for the Study of Liver Diseases (AASLD) sont parues en 2023. Elles ont été comparées à deux autres systèmes d’évaluation couramment utilisés. Ce...

23/01/2026 -

Imagerie Abdominale
Un modèle d'autosegmentation testé pour prédire la classification de Lauren du cancer gastrique à partir de la TDM
Abonné(e)

Un modèle d'autosegmentation testé pour prédire la classification de Lauren du cancer gastrique à partir de la TDM

Se servir de la radiomique pour prédire la classification de Lauren pré-opératoire du cancer gastrique à partir d’images de tomodensitométrie est pertinent mais chronophage. Un modèle d’autosegmentation a été testé dans une étude récente publiée dans la Revue European Radiology et a obtenu des résul...

30/12/2025 -

Imagerie Abdominale
Un modèle de deep learning pour mieux détecter les néoplasies gastriques par TDM
Abonné(e)

Un modèle de deep learning pour mieux détecter les néoplasies gastriques par TDM

Un nombre significatif de néoplasies gastriques passent inaperçues lors des examens TDM de routine, pour lesquels la segmentation par IA pourrait servir de second lecteur. Des chercheurs chinois ont décrit, dans la Revue Radiology, une approche dédiée basée sur le deep learning qu’ils ont développée...

26/12/2025 -

LETTRE D'INFORMATION

Ne manquez aucune actualité en imagerie médicale et radiologie !

Inscrivez-vous à notre lettre d’information hebdomadaire pour recevoir les dernières actualités, agendas de congrès, et restez informé des avancées et innovations dans le domaine.