Publicité

Scanner low dose : des algorithmes seront bientôt prêts à dépister le cancer précoce du poumon

17/02/2021
De Rédaction

La solution LCS de Median Technologies utilise une base de données conséquente issue de scanners pulmonaires low dose pour entrainer des algorithmes de détection précoce du cancer du poumon. Un premier proof of concept est attendu au second semestre 2021.

Median Technologies a dévoilé, le 16 février 2021, un nouveau plan de développement clinique pour iBiopsy® pour le diagnostic précoce du cancer du poumon dans les populations à risque, à partir de l'imagerie scanner low dose, alors qu’elle est déjà positionnée sur le diagnostic précoce du cancer du foie et de la stéatose hépatique non-alcoolique.

Depuis quelques années, de nombreux essais cliniques ont été réalisés sur de très grandes cohortes de patients pour déterminer l'impact d'un diagnostic précoce du cancer du poumon sur la mortalité de cette maladie. Les résultats de ces essais multicentriques randomisés ont montré que le dépistage réduisait la mortalité par cancer pulmonaire de 20 à 26% dans les populations à risque, notamment aux USA. La mise en place de programmes de dépistage du cancer du poumon est en cours de discussion en Europe, notamment en France, dans le Plan Cancer 2021-2030.

Median va, dans ce contexte, utiliser sa plateforme iBiopsy® pour développer des algorithmes de deep learning permettant l'identification et la caractérisation des lésions dans les images de scanners thoraciques low dose, afin de limiter le nombre de faux positifs et le surdiagnostic.Avec sa solution LCS (Lung Cancer Screening), elle bénéficie de plusieurs années d'expérience, d'une vaste connaissance et de relations existantes avec certains centres cliniques leaders au niveau mondial. Elle a ainsi collecté plus de 17 000 cas patients de dépistage provenant de plusieurs bases de données.

Elle réalise actuellement la curation et l'annotation d'un premier sous-ensemble de 1 800 cas patients afin d'entraîner et de valider ses algorithmes, espérant délivrer un proof of concept basé sur ce premier sous-ensemble au second semestre 2021.

SUR LE MÊME THÈME

IA & Données
Des grands modèles de langage sensés participer à l'annotation des images pour le deep learning
Abonné(e)

Des grands modèles de langage sensés participer à l'annotation des images pour le deep learning

Incontournables pour l’entrainement des modèles de deep learning, les annotations d’images radiologiques sont rébarbatives et chronophages pour les experts qui les créent. Des grands modèles de langage (LLM) pourraient remplacer les annotations humaines, comme l’indique un article scientifique publi...

23/06/2025 -

IA & Données
Les bonnes pratiques pour l'évaluation de la pertinence d'un outil d'IA en imagerie
Abonné(e)

Les bonnes pratiques pour l'évaluation de la pertinence d'un outil d'IA en imagerie

Radiologues, informaticiens et chercheurs présentent, dans un article publié dans la Revue Radiology, les pièges et les meilleures pratiques pour atténuer les biais des modèles d'intelligence artificielle (IA) en imagerie médicale. Ils présentent une sorte de feuille de route pour des pratiques plus...

13/06/2025 -

IA & Données
Abonné(e)

Des LLM affinés pour aider à la relecture des comptes rendus

Selon une nouvelle étude publiée dans la Revue Radiology, un grand modèle de langage (LLM) améliorerait sensiblement la détection des erreurs dans les comptes rendus de radiologie. Les chercheurs ont utilisé des comptes rendus synthétiques et des données ciblées pour donner au LLM de la légèreté.

23/05/2025 -

IA & Données
Abonné(e)

Agir sur la vulnérabilité des grands modèles de langage en radiologie

Dans un nouvel article spécial publié dans la Revue Radiology, des chercheurs abordent les défis de cybersécurité liés aux grands modèles de langage (LLM). Ils soulignent l'importance de mettre en œuvre des mesures de sécurité pour empêcher leur utilisation malveillante dans le système de Santé et m...

21/05/2025 -

IA & Données
Abonné(e)

Une feuille de route pour atténuer les biais de l'IA

Les biais diagnostiques créés par l’IA relèvent d’un manque d’informations démographiques incluent dans les données de santé. Dans un article publié dans la Revue Radiology, des chercheurs américains décrivent l’importance d’une définition homogène décrivant les groupes démographiques. Un travail qu...

20/05/2025 -

IA & Données
Abonné(e)

Essais sur une RAG pour améliorer les grands modèles de langages en radiologie

Pour renforcer les attributs des grands modèles de langage appliqués à la radiologie, la RAG, qui code les informations dans un espace vectoriel pour affiner les tâches des LLM basées sur la connaissance, semble pertinente. Dans une étude publiée dans la Revue Radiology : Artificial intelligence, de...

05/05/2025 -

IA & Données

Le lexique radiologique standardisé RadLex fête ses vingt ans

RadLex, un lexique radiologique complet développé par la Radiological Society of North America (RSNA) destiné à proposer un langage commun pour communiquer les résultats diagnostiques par les radiologues, célèbre son 20e anniversaire en 2025.

22/04/2025 -

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.