Publicité

Scanner du COVID-19 : deux systèmes de classification équivalents

18/01/2021
De Bruno Benque avec RSNA

Un nouvel article publié dans la revue Radiology: Cardiothoracic Imaging a révélé que la fréquence d'infection au COVID-19 était plus élevée chez les patients classés avec des catégories de classification CO-RADS et RSNA plus élevées. Les résultats peuvent être utiles pour déterminer la probabilité de COVID-19 et homogénéiser les pratiques sur la base du scanner thoracique, en plus des informations cliniques et de la RT-PCR.

CO-RADS (COVID-19 Reporting and Data System) et le système de classification RSNA sont les deux principales échelles de classification des tomodensitométries thoraciques pour la notification standardisée de la pneumonie COVID-19. Le système de classification RSNA se compose de quatre catégories (négative, atypique, indéterminée et typique), tandis que CO-RADS se compose de cinq catégories (CO-RADS 1 à 5) pouvant correspondre respectivement aux catégories négatives, atypiques, indéterminées et typiques du système de classification RSNA.

Une méta-analyse incluant 9 études sur les 186 identifiées sur ce thème

Dans une méta-analyse publiée dans la Revue Radiology, les études de 2020 sur ce thème ont été évaluées selon les critères d'inclusion utilisés dans CO-RADS ou dans la classification RSNA pour la notation de la tomodensitométrie thoracique chez les patients suspectés de COVID-19. Au total, 186 études ont été identifiées. Après examen des résumés et du texte, neuf de ces travaux de recherche ont été inclus dans cette étude. Les informations sur les patients (n¸ âge, sexe), les catégories de score CO-RADS et RSNA et d'autres caractéristiques ont été extraites.

Au total, 3283 patients ont été inclus. Les fréquences du COVID-19 regroupées dans les catégories CO-RADS étaient de 8,8% pour le seuil 1, 11,1% pour le seuil 2, 24,6% pour le seuil 3, 61,9% pour le seuil 4 et 5, 89,6% pour le seuil 5. Les fréquences de COVID-19 regroupées dans les catégories de classification RSNA étaient à 14,4% négatives, à 5,7% atypiques, à 44% indéterminées et à 92,5% typiques.

Deux systèmes de classification équivalents en termes de sensibilité et de spécificité

La fréquence du COVID-19 dans chacune des catégories CO-RADS et RSNA a été calculée pour chaque étude individuellement et regroupée avec un modèle à effets aléatoires. La sensibilité et la spécificité des systèmes de classification CO-RADS et RSNA à des seuils diagnostiques spécifiques pour la détection du COVID-19 (CO-RADS d'au moins 3, 4, 5 et classification RSNA indéterminés et typiques) ont été regroupées en utilisant un modèle à effets aléatoires spécifique. Ce processus a permis d’identifier des paires regroupées de sensibilité et de spécificité utilisant les seuils CO-RADS à 92,5% et 69,2% (seuil >3), à 85,8% et 84,6% (seuil >4) et 70,4% et 93,1% (seuil >5). Les paires regroupées de sensibilité et de spécificité utilisant les seuils de classification RSNA étaient de 90,2% et 75,1% pour les données indéterminées et de de 65,2% et 94,9% pour les valeurs typiques.

Il ressort de ce travail que la fréquence des infections au COVID-19 était plus élevée chez les patients classés au plus haut dans les catégories de classification CORADS et RSNA. « L'utilisation de ces systèmes de classification diagnostique normalisés peut réduire la variation des observateurs, améliorer la communication clinique et améliorer l’homogénéisation des pratiques », ont écrit les auteurs de cette étude.

SUR LE MÊME THÈME

IA & Données

Trouver le modèle qui puisse efficacement intégrer l'IA dans le flux de travail du radiologue

Le médecin-chercheur Eric J. Topol et le spécialiste en IA de Harvard, Pranav Rajpurkar plaident en faveur d'une séparation claire des rôles entre les systèmes d'IA et les radiologues dans un éditorial publié dans la Revue Radiology. Ils proposent un cadre que les radiologues doivent adapter à leurs...

28/08/2025 -

IA & Données
Un acteur français de l'IA propose deux outils TDM pour la détection du cancer

Un acteur français de l'IA propose deux outils TDM pour la détection du cancer

Gleamer, acteur française de l’IA médicale, a lancé en juillet dernier sa suite OncoView destinée à assister les radiologues dans la détection précoce du cancer par densitométrie (TDM).

22/08/2025 -

IA & Données
Un réseau de radiologues français conclut un accord avec un fournisseur d'IA pour le diagnostic

Un réseau de radiologues français conclut un accord avec un fournisseur d'IA pour le diagnostic

Gleamer a annoncé, le 10 Juillet 2025, la signature d’un partenariat stratégique avec le réseau France Imageries Territoires (FIT) pour le déploiement des solutions Gleamer Copilot® dans l’ensemble des centres d’imagerie du réseau FIT.

29/07/2025 -

IA & Données
Les comptes rendus radiologiques ne sont pas près de passer par GPT-4
Abonné(e)

Les comptes rendus radiologiques ne sont pas près de passer par GPT-4

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 -

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 -

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.