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
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 -

IA & Données

Le lexique radiologique standardisé RadLex fête ses vingt ans

RadLex, un lexique radiologique complet développé par la Radiological Society of North America (RSNA) destiné à proposer un langage commun pour communiquer les résultats diagnostiques par les radiologues, célèbre son 20e anniversaire en 2025.

22/04/2025 -

IA & Données
Abonné(e)

La TDM ultra low dose, prochaine norme pour le suivi des jeunes immunodéprimés ?

La tomodensitométrie à ultra-faible dose débruitée par l’IA permet, en appliquant seulement 2% de la dose normale, de diagnostiquer efficacement la pneumonie chez les patients immunodéprimés.  C’est le résultat d’une étude publiée dans la Revue Radiology et qui pourrait ouvrir la voie vers de nouvel...

14/03/2025 -

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.