RSNA 2023 : Pouvoir identifier le risque de cancer du poumon sur une radiographie de non-fumeur
À l'aide d'une simple radiographie pulmonaire de routine, un outil de deep learning peut identifier les non-fumeurs qui présentent un risque élevé de cancer du poumon. C’est le résultat d’une étude présentée au RSNA 2023 qui ouvre la porte au dépistage opportuniste des non-fumeurs.
Cela passe souvent inaperçu mais les études montrent qu’environ 10 à 20 % des cancers du poumon surviennent chez les « non-fumeurs », c'est-à-dire les personnes qui n'ont jamais fumé de cigarettes ou qui ont fumé moins de 100 cigarettes au cours de leur vie.
Un modèle de deep learning capable de prédire le risque de cancer du poumon à partir d’une radiographie pulmonaire chez les non-fumeurs
Le groupe de travail sur les services préventifs des États-Unis (USPSTF) recommande actuellement le dépistage du cancer du poumon par tomodensitométrie (TDM) à low dose chez les adultes âgés de 50 à 80 ans qui ont au moins 20 paquets-années d'antécédents de tabagisme et qui fument actuellement ou ont arrêté au cours des 15 dernières années, mais pas aux personnes qui n'ont jamais fumé. Cependant, l’incidence du cancer du poumon chez les non-fumeurs est en augmentation et, sans détection précoce grâce au dépistage, une fois découverts, ces cancers ont tendance à être plus avancés que ceux observés chez les fumeurs.
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
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 -
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 -
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 -
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 -
Recommandations européennes pour l'intégration de l'IA dans la radiologie
L’European Society of Radiology (ESR), sous la direction de son groupe de travail sur l'IA, vient de publier un document de recommandations pour une implémentation généralisée de l’European AI Act.
11/03/2025 -
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.