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.
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.
Profitez de 15 jours d'essai gratuit pour découvrir tous nos contenus premium !
Déjà abonné ? Connectez-vous pour débloquer cet article.
SUR LE MÊME THÈME
Trouver le modèle qui puisse efficacement intégrer l'IA dans le flux de travail du radiologue
Le médecin-chercheur Eric J. Topol et le spécialiste en IA de Harvard, Pranav Rajpurkar plaident en faveur d'une séparation claire des rôles entre les systèmes d'IA et les radiologues dans un éditorial publié dans la Revue Radiology. Ils proposent un cadre que les radiologues doivent adapter à leurs...
28/08/2025 -
Un acteur français de l'IA propose deux outils TDM pour la détection du cancer
Gleamer, acteur française de l’IA médicale, a lancé en juillet dernier sa suite OncoView destinée à assister les radiologues dans la détection précoce du cancer par densitométrie (TDM).
22/08/2025 -
Un réseau de radiologues français conclut un accord avec un fournisseur d'IA pour le diagnostic
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 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 -
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.