Une étude menée en Angleterre et publiée dans la revue European Radiology montre que l’élastographie share wave n’apporte rien de plus que l’échographie par déterminer la malignité d’une masse musculo-squelettique.
Une étude publiée dans la revue European Radiology se propose de déterminer si l'élastographie share wave quantitative et qualitative de joue un rôle dans l'évaluation des masses musculo-squelettiques.
L’échographie et l’élastographie share wave pour évaluer la malignité des masses musculo-squelettiques
Dans ce travail, mené par le Dr B.Pass, du Musculoskeletal Centre X-Ray Department au sein du Leeds Teaching Hospitals Trust (Leeds, UK),105 patients consécutifs, éligibles prospectivement à une biopsie dans un centre spécialisé pour le traitement du sarcome, ont subi une échographie mode B et une élastographie share wave, quantitative (m/s) et qualitative (couleur). La référence était l'histologie de la biopsie, ou de l'excision subséquente lorsque c'était possible. La modélisation statistique a été réalisée pour tester les données d'élastographie et / ou l'imagerie en mode B pour prédire la malignité.
Une sensibilité de 76,9% pour la malignité en échographie
Sur 105 masses, 39 étaient malignes et 6 n'avaient pas d'histologie mais avaient des caractéristiques bénignes à 12 mois. L'imagerie en mode B a présenté une spécificité de 78,8% et une sensibilité de 76,9% pour la malignité. Quantitativement, en fonction de l'âge, du mode B et du volume de la lésion, il n'y avait pas de corrélation statistiquement significative entre la vitesse longitudinale et la malignité, tandis qu’une augmentation de la vitesse transverse était associée à une diminution de la probabilité de malignité. Les masses qualitativement malignes tendent vers le spectre bleu (vitesses inférieures); 39,5% (17/43) des masses principalement bleues étaient malignes, contre 14,3% (1/7) des lésions rouges.
Ces résultats montrent que, quantitativement et qualitativement il n'y a pas d'association statistiquement significative entre la vitesse d'onde de cisaillement (Share wave) et la malignité. D’autre part, il n'y a pas non plus de rôle supplémentaire clair pour l’échographie en mode B actuellement.


En utilisant un modèle de deep learning pour analyser la composition des grands muscles sur des images IRM, des chercheurs allemands ont découvert que les proportions de graisse intermusculaire et de masse musculaire maigre étaient associées à une hypertension artérielle et à des taux de lipides et...
12/05/2026 -


Il est désormais possible d’identifier des métastases osseuses à partir de modèles de deep learning et d’images de tomodensitométrie. Une étude publiée dans la Revue Radiology : Artificial intelligence compare les performances de deux modèles de deep learning à celle de radiologues juniors et expéri...
21/04/2026 -


La consommation d’aliments ultra-transformés est associée à une plus grande accumulation de graisse dans les muscles des cuisses, indépendamment de l'apport calorique ou de l'activité physique, au sein d'une population à risque d'arthrose du genou. C’est le résultat d’une étude publiée dans la Revue...
15/04/2026 -


Les variations du volume tumoral par IRM sont un bon biomarqueur non invasif et le deep learning permet d’optimiser la segmentation tumorale dans ce cadre. Une étude publiée dans la Revue European Radiology compare les résultats de la segmentation par réseau de neurones convolutifs à la segmentation...
08/04/2026 -


L’empreinte par résonance magnétique peut-elle apporter des éléments quantitatifs de la réponse au traitement des métastases osseuses ? C’est ce que cherche à démontrer une étude publiée dans la Revue European Radiology qui met en jeu des mesures T1 et T2 obtenues par ERM, comparées à l’IRM conventi...
07/04/2026 -


Développer un modèle d’IA robuste pourrait permettre un classement des lésions dégénératives rachidiennes. Une étude publiée dans la Revue Radiology : Artificial Intelligence utilise un ensemble de données unique quant à sa taille et à sa diversité, avec des images annotées par différentes sociétés...
03/04/2026 -


D'après une étude publiée aujourd'hui dans la Revue Radiology, ni les radiologues ni les grands modèles de langage (LLM) ne parviennent à distinguer facilement les images radiographiques « deepfake » générées par IA par rapport aux images authentiques. Ces résultats soulignent les risques liés aux i...
24/03/2026 -
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.