L'IA pour évaluer rapidement le positionnement d'une sonde trachéale
Selon un article publié dans l'American Journal of Roentgenology (AJR), un système d'intelligence artificielle (IA) peut rapidement évaluer le positionnement d’une sonde endotrachéale sur les radiographies thoraciques. Cette procédure peut permettre d’éviter les complications provenant d’un mauvais positionnement, notamment en termes de ventilation du patient.
Le positionnement d’une sonde endotrachéale est essentiel pour une bonne ventilation du patient. Si elle descend trop profondément dans une bronche, elle peut entraîner une hyperventilation ipsilatérale et une atélectasie controlatérale. Si, à l’inverse, elle n’est pas assez bien introduite une extubation, voire une fuite d'air ou une lésion des cordes vocales peuvent survenir.
De l’importance de déterminer rapidement le bon positionnement d’une sonde endotrachéale
Dans ce cadre, une radiographie pulmonaire est recommandée pour contrôler son positionnement, qui doit se trouver à 5 cm (+/- 2cm) au-dessus de la carène lorsque le patient est en position neutre. Il est essentiel également qu’une interprétation rapide des radiographies thoraciques soit obtenue après l’insertion de la sonde endotrachéale, afin de permettre un éventuel ajustement rapide de sa position. Mais la pratique clinique ne permet pas toujours aux radiologues, dont la charge de travail est souvent lourde, d’en assurer une lecture rapide. Un système d'intelligence artificielle (IA) pourrait leur venir en aide afin de déterminer automatiquement la présence et l'emplacement de la sonde endotrachéale sur les radiographies thoraciques obtenues immédiatement après la pose de celle-ci.
Cet article est réservé aux abonnés. Connectez-vous pour y accéder.
En vous abonnant à Thema Radiologie, vous débloquez l’accès à l’ensemble de nos contenus premium : dossiers thématiques, tribunes d’experts, analyses technologiques, interviews et décryptages réglementaires.
Rejoignez une communauté de professionnels engagés dans l’innovation en imagerie médicale et radiologie interventionnelle.
SUR LE MÊME THÈME
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 -
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 -
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 -
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 -
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 -
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 -
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 -
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.