Le scanner double énergie pour dépister l'ostéoporose ?
Le scanner double énergie pourrait objectiver de meilleurs résultats que l'absorptiométrie conventionnelle pour l'évaluation de la densité minérale osseuse. C'est ce que rapporte une étude publiée dans la revue European Radiology.
Le dépistage précoce de l'ostéoporose à partir l'évaluation de la densité minérale osseuse (DMO) peut contribuer à la prévention des fractures liées à l'ostéoporose.
Les limites de l'absorptiométrie par rayons X conventionnelle
La DMO obtenue par l'absorptiométrie par rayons X à double énergie (DXA) est la méthode de référence pour l'évaluation de l'ostéoporose selon l'Organisation mondiale de la santé. Mais, même si cette technologie est peu coûteuse et faiblement irradiante, elle est sensible aux erreurs, notamment sur les personnes âgées, et aux artéfacts. La revue European Radiology a publié une étude, menée par le Dr R.W. Van Hamersvelt, du Service de radiologie du University Medical Centre d'Utrecht (Pays-Bas) (Van Hamersvelt, R.W., Schilham, A.M.R., Engelke, K. et al. Eur Radiol (2017) 27: 4351) dont l'objectif était d'étudier la précision de la quantification de densité minérale osseuse (DMO) en utilisant le détecteur spectral à double couche CT (SDCT) à divers protocoles d'acquisition.
Le scanner à double énergie explore des fantômes anthropomorphiques
Deux fantômes anthropomorphiques contenant des inserts d'hydroxyapatite de calcium (HA) de 50-200 mg/cm3 ont été scannés à l'aide d'un scanner SDCT à 64 coupes selon différents protocoles d'acquisition (120 et 140 kVp et 50, 100 et 200 mA). Les régions d'intérêt (ROI) ont été placées dans chaque insert et des profils d'atténuation moyens pour des niveaux d'énergie monochromatique (90-200 keV) ont été construits. Ces profils ont été adaptés aux profils d'atténuation de l'HA pure et de l'eau pour calculer les concentrations d'HA. À titre de comparaison, un fantôme a été scanné par absorptiométrie à rayons X à double énergie (DXA).
Des résultats encourageants à valider par des études cliniques
À 120 et 140 kVp, d'excellentes corrélations (R = 0,97, P <0,001) ont été trouvées entre les concentrations de HA réelles et mesurées. L'erreur moyenne pour toutes les mesures à 120 kVp était de -5,6 ± 5,7 mg/cm3 (-3,6 ± 3,2%) et à 140 kVp -2,4 ± 3,7 mg/cm3 (-0,8 ± 2,8%). Les erreurs moyennes de mesure étaient inférieures à 6% pour tous les protocoles d'acquisition. D'autre part, des corrélations linéaires fortes (R2 ≥ 0,970, P <0,001) avec la DXA ont été trouvées.
Cette étude montre que le SDCT permet une quantification précise de la densité minérale osseuse et ouvre potentiellement la possibilité d'une évaluation de l'ostéoporose et d'un dépistage chez les patients soumis au SDCT pour d'autres indications cliniques. Cependant, des études cliniques sont nécessaires pour étendre et traduire ces résultats.
SUR LE MÊME THÈME
Un authentique biomarqueur IRM pour les risques cardio-métaboliques
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 -
Un modèle de deep learning pour identifier les métastases osseuses à la TDM
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 -
L'IRM matérialise la graisse intramusculaire des consommateurs de malbouffe
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 -
Le deep learning pour la segmentation tumorale de l'ostéosarcome pédiatrique par IRM
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 -
Évaluation quantitative de métastase osseuse améliorée grâce à l'empreinte par résonance magnétique
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 -
Un ensemble de données unique pour le classement des lésions dégénératives rachidiennes
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 -
Des deepfake générés par l'IA qui ressemblent à des radiographies réelles
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 -
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.