Le scanner Philips Incisive CT embarque avec CT SmartWorkflow nombre de fonctionnalités faisant intervenir l’intelligence artificielle pour, notamment, simplifier l’installation des patients, améliorer la qualité des images et réduire significativement l’irradiation des patients. Nous avons rencontré le Dr Jean Goupil, Praticien hospitalier radiologue et le Dr Joël Greffier, Physicien, tous deux exerçant au CHU de Nîmes où une modalité de ce type est installée, pour un retour d’expérience détaillé.
Thema Radiologie : Le CHU de Nîmes a fait le choix, en septembre 2021, au sein de l’unité d’imagerie de l’Institut de cancérologie du Gard, de faire l’acquisition d’un scanner Incisive CT équipé de la solution CT SmartWorkflow. Quels sont les apports de cette modalité pour la prise en charge en imagerie oncologique ?
Dr Jean Goupil : Le nom de cette solution (CT SmartWorkflow) vient sans doute de sa capacité à nous faire gagner du temps et de l’énergie dans la mise en place des patients et dans l’acquisition des images. Elle fait l’unanimité auprès des manipulateurs quant à son ergonomie, avec notamment la tablette qu’ils peuvent utiliser pour différentes fonctionnalités, comme mobiliser le plateau, administrer l’injection de produit de contraste ou déclencher les rayons X. Et comme nous ne réalisons presque exclusivement que des examens injectés, cette machine nous simplifie la vie et nous aide à travailler plus rapidement, ce qui nous permet d’améliorer le temps passé par le manipulateur avec le patient. Nous pourrions aussi réaliser plus d’examens, mais cela ne correspond pas à notre philosophie.
« Un réseau neuronal entraîné sur patients à reproduire des images filtrées à partir des données brutes à faible dose »
T.R. : Cette solution CT SmartWorkflow embarquée sur l’Incisive CT permet des réductions de doses sans concessions à la qualité d’image. Pouvez-vous nous en décrire le fonctionnement ?
Dr Joël Greffier : Tout d’abord, dans CT SmartWorkflow, il y a Precise Position, le repérage effectué par des caméras équipées d’un algorithme d’IA, installées au plafond dans la zone d’examen, afin de placer automatiquement le patient à l’isocentre du scanner et d’identifier son morphotype. Ceci permet d’améliorer la précision du positionnement du patient et uniformiser/homogénéiser les pratiques entre les manipulateurs. Un patient bien centré à l’isocentre permet d’améliorer la modulation d’intensité et donc de réduire les doses et améliorer la qualité de l’examen.
Ensuite, il y a Precise Image un algorithme de reconstruction des images qui est basé sur du deep learning. Le réseau neuronal de cet algorithme est entrainé à reproduire l'apparence (amplitude et texture du bruit) des images de rétroprojection filtrée à dose normale à partir des données brutes de scanners à faible dose. Pour éviter de surexposer les patients, les images à faible dose sont générées à partir des images à dose normale en utilisant une technique de simulation pour modéliser avec précision les photons et le bruit électronique. Cet algorithme est constitué de 5 niveaux : Plus dur/Dur/Standard/Mou/Plus Mou.
« Des niveaux d’irradiation très bas pour du low dose en routine »
T.R. : Que vous apporte, dans votre pratique, cette nouvelle méthode de reconstruction des données brutes ?
Dr Joël Greffier : Par rapport à l’algorithme itératif disponible (iDose4) sur ce scanner, les niveaux de bruit sont plus faibles et la résolution spatiale est améliorée avec les niveaux Standard/Mou/Plus Mou. La texture de l’image est moins lissée avec tous les niveaux sauf avec Plus Mou. Nous utilisons maintenant cet algorithme en routine pour tous nos protocoles, la plupart du temps, le niveau Mou. Les radiologues sont satisfaits de la qualité globale et diagnostique des images la plupart du temps et nous faisons remonter à Philips nos questions et demandes pour contribuer à l’amélioration continue de cette solution dont nous sommes parmi les premiers utilisateurs.
T.R. : Et en termes de dosimétrie, on peut imaginer que la diminution des mA fait diminuer d’autant l’irradiation du patient ?
Dr Joël Greffier : Nous évaluons en effet les doses délivrées pour tous les patients exposés sur cette machine toutes les semaines. Après optimisation des paramètres d’acquisition et de reconstruction notamment l’utilisation de Precise Image, pour les différents protocoles, nos niveaux de doses se situent au niveau du 25ème percentile des NRD, ce qui correspond à des acquisitions basses doses. Nous expérimentons également, en pré-clinique, la possibilité de faire de l’ultra-low dose pour des explorations à fort contraste spontané comme le thorax ou l’ostéoarticulaire.
T.R. : Quels sont les retours des utilisateurs au quotidien dans leur pratique ?
Dr Jean Goupil : Pour les manipulateurs, nous l’avons déjà évoqué, l’ergonomie de la modalité, qui permet une installation du patient plus facile, est très appréciée. Pour les praticiens, la suppression du bruit sur l’image et l’amélioration des contours, tout en lissant les contrastes, offre un confort de lecture et un surcroît de confiance et de sécurité dans l’interprétation des images.
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.