Selon un article de l'American Journal of Roentgenology (AJR), les patients défavorisés sur le plan socio-économique courent un risque accru de ne pas subir l'imagerie de suivi recommandée que les référents jugent cliniquement nécessaire.
Afin d’évaluer le risque, chez les patients défavorisés sur le plan socio-économique, de ne pas subir l'imagerie de suivi recommandée en lien avec leur état de Santé, une équipe de radiologues américains a utilisé un outil automatisé de communication et de suivi de l'imagerie intégré dans le PACS et le Dossier Patient Informatisé (DPI) d'un hôpital universitaire.
Cet outil, décrit dans un article publié dans l'American Journal of Roentgenology, a incité les chercheurs à noter si les référents jugeaient les recommandations cliniquement nécessaires, puis à évaluer si l'imagerie de suivi adéquate avait été réalisée à un mois. Si tel n’avait pas été le cas, l'outil incitait une équipe de garde à effectuer un suivi supplémentaire du patient et un rappel au référent. Les taux d'achèvement des examens d'imagerie de suivi cliniquement nécessaires ont été calculés, stratifiés selon les facteurs liés au patient, au référent et à l'imagerie.
L'accord du référent, ou son absence, pourrait constituer un retour d'information important pour les radiologues, selon les chercheurs.
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 -
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 -
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.