Publicité

Le diagnostic de BPCO par TDM one shot aidé par un réseau de neurones

Abonné(e)
08/01/2025
De Rédaction

La tomodensitométrie pulmonaire pour identifier la BPCO est sujette à certaines contraintes techniques notamment pour obtenir des résultats probants en inspiration et expiration. Une étude publiée dans la Revue Radiology : Cardiothoracic imaging utilise un réseau de neurone couplé à une TDM en inspiration seule pour obtenir des diagnostics pertinents.

La Broncho-Pneumopathie Chronique Obstructive (BPCO) est communément diagnostiquée par un test de spirométrie, qui mesure la fonction pulmonaire grâce à la quantité d’air pouvant être inhalée et expirée, ainsi que la vitesse d’expiration.

La tomodensitométrie plutôt que la spirométrie pour identifier la BPCO

Mais la tomodensitométrie (TDM) pulmonaire a supplanté cette pratique, avec une procédure qui nécessite généralement deux acquisitions, une à l’inspiration complète, l’autre à l’expiration. Or, il est possible, selon une étude publiée dans la Revue Radiology : Cardiothoracic imaging, d’obtenir un diagnostic précis à partir d’une seule TDM à l’inspiration et un modèle de deep learning.

« Bien que des études aient récemment montré que la structure pulmonaire, mesurée quantitativement à l'aide de la TDM pulmonaire, peut compléter la stadification, le diagnostic et le pronostic de la gravité de la BPCO, bon nombre de ces études nécessitent l'acquisition de deux séries tomodensitométriques, précise l'auteur de l'étude, le Pr Kyle A. Hasenstab, professeur adjoint de statistiques et de science des données à l'Université d'État de San Diego (Californie – USA). Cependant, ce type de protocole n'est pas cliniquement standard dans toutes les institutions.»

Accédez à l'intégralité de cet article

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

IA & Données
Des grands modèles de langage sensés participer à l'annotation des images pour le deep learning
Abonné(e)

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 -

IA & Données
Les bonnes pratiques pour l'évaluation de la pertinence d'un outil d'IA en imagerie
Abonné(e)

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 -

IA & Données
Abonné(e)

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 -

IA & Données
Abonné(e)

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 -

IA & Données
Abonné(e)

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 -

IA & Données
Abonné(e)

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 -

IA & Données

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 -

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.