Publicité

Un algorithme de deep learning pour identifier les lésions précancéreuses par coloscopie virtuelle

23/02/2021
De Bruno Benque avec RSNA

Selon une étude publiée dans la revue Radiology, un algorithme de deep learning permet de différencier avec précision les polypes colorectaux bénins et prémalins sur les coloscopies virtuelles par scanner. Il pourrait, à terme, améliorer la pertinence du dépistage du cancer colorectal en complément de la lecture radiologique.

Lorsque l’on parle de cancer colorectal, on évoque souvent des polypes adénomateux qui se développent sur plusieurs années. La détection précoce et l'élimination de ces polypes précancéreux sont susceptibles de réduire l'incidence et la mortalité du cancer colorectal.

La coloscopie virtuelle par tomodensitométrie à la base d’un algorithme de deep learning

Au cours des deux dernières décennies, la coloscopie virtuelle par tomodensitométrie (CVCT) est apparue comme une alternative non invasive à la coloscopie dans le dépistage de ce cancer colorectal. Mais elle ne permet pas une différenciation définitive entre les polypes bénins et prémalins, ce qui est crucial pour l’évaluation du risque pour le patient et l'orientation thérapeutique à suivre. Dans une nouvelle étude publiée dans la Revue Radiology, les chercheurs ont exploité la puissance de la radiomique pour caractériser les polypes de manière plus précise qu’à l'œil nu.

Ils ont développé un algorithme de deep learning pour prédire le type de polypes sur la base de la radiomique relative à des images de CVCT d'un groupe de patients asymptomatiques à risque moyen de cancer colorectal. L'algorithme de deep learning a été formé sur un ensemble de plus de 100 polypes colorectaux chez 63 patients, puis testé sur un ensemble de 77 polypes chez 59 patients. Dans la phase d’entrainement, l’algorithme a permis une différenciation non invasive des polypes colorectaux bénins et prémalins détectés par CVCT, avec une sensibilité de 82% et une spécificité de 85%.

Un processus qui pourrait venir en complément de la lecture radiologique pour le dépistage du cancer colorectal

« Ces résultats servent de proof of concept selon lequel l'analyse d'image basée sur le deep learning permet la différenciation non invasive des polypes colorectaux bénins et prémalins dans les ensembles de données de CVCT, remarque l'auteur principal de l'étude, le Dr Sergio Grosu, MD, radiologue à l'hôpital universitaire Ludwig Maximilian de l’Université de Munich (Allemagne). L'AUC de 0,91 indique que cette méthode fonctionne bien." Les résultats indiquent ainsi un rôle pour les algorithmes dérivés de l'apprentissage automatique dans l'amélioration de l'efficacité de la CVCT en tant qu'outil de dépistage du cancer colorectal.

« L'ajout de l'analyse d'image assistée par deep learning à la lecture d'images radiologiques conventionnelles pourrait encore améliorer la pertinence clinique du dépistage du cancer colorectal basé sur la CVCT, en permettant une sélection plus précise des patients éligibles à une polypectomie ultérieure, poursuit-il. Cette méthode pourrait être utilisée régulièrement comme deuxième lecteur dans tous les examens de CVCT dans le futur. »

Des recherches supplémentaires avec un plus grand nombre de patients sont toutefois nécessaires pour valider ces résultats améliorer l'algorithme de deep learning utilisé. « Un raffinement supplémentaire de l'analyse d'image basée sur le deep learning est nécessaire pour obtenir une plus grande précision dans la différenciation des polypes ainsi qu'une optimisation du flux de travail pour une meilleure applicabilité dans la routine clinique », conclut le Dr Grosu.

SUR LE MÊME THÈME

IA & Données
Un nouvel outil d'extraction de données spécialisé en radiologie

Un nouvel outil d'extraction de données spécialisé en radiologie

Les méthodes d’élaboration des grands modèles de langage sont basées sur des règles qui ne traitent pas efficacement les données non standardisées. Des chercheurs britanniques présentent, dans un article publié dans la Revue European Radiology, RADEX, le nouvel outil d’extraction de données radiolog...

15/07/2025 -

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 -

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.