Le Deep Learning a été utilisé, dans une étude récente, pour évaluer la réponse complète au traitement préopératoire du cancer du rectum par radiochimiothérapie. Les résultats sont très encourageants.
La réponse thérapeutique à un traitement de radiochimiothérapie pour des cas de cancer du rectum est un critère de décision en vue d'une chirurgie. Elle est susceptible de proposer aux patients un traitement conservateur plutôt qu’une ablation totale du rectum.
Une étude pilotée par le Dr Jean-Emmanuel Bibault, du service d’oncologie radiothérapie de l’Hôpital européen Georges-Pompidou AP-HP (HEGP), le Pr Philippe Giraud, du service de radiothérapie de l’HEGP, et le Pr Anita Burgun, chef du laboratoire « Sciences de l’information et médecine personnalisée » de l’Unité 1138 Centre de recherche des Cordeliers de l’INSERM et de l’Université Paris-Descartes, a cherché à évaluer un algorithme de Deep Learning pour identifier les patients en réponse complète.
Cet outil a été utilisé pour explorer de façon rétrospective les données cliniques et les images scanner de radiothérapie de patients pris en charge à l'HEGP, à l’hôpital Cochin et à l’hôpital Ambroise-Paré AP-HP. L'étude, publiée dans la revue Scientific Report, a objectivé, avec une précision de 80%, que 22 des 95 patients inclus présentaient une réponse complète au traitement préopératoire. De nouvelles études sont envisagées désormais pour pouvoir intégrer le Deep Learning dans le processus de prise en charge des cancers du rectum.
Les grands modèles de langage multimodaux seraient-ils capables de réaliser des comptes rendus radiologiques ? Des résultats d’essais contradictoires troublent le ressenti sur les possibilités de GPT-4V, un modèle qui se concentre uniquement sur la précision diagnostique. Une étude publiée dans la R...
21/07/2025 -
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 -
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 -
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 -
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 -
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 -
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 -
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.