ULDCT et IA : ticket gagnant pour identifier fortuitement les nodules pulmonaires
Quelle technologie TDM est-elle la plus pertinente pour identifier fortuitement les nodules pulmonaires ? Une étude néerlandaise publiée dans la Revue European Radiology évalue la tomodensitométrie ultra-low dose assistée par l’IA dans ce cadre. Ses performances diagnostiques sont décrites comme accrues dans un contexte d’urgence.
Alors que l’utilisation de la tomodentisométrie (TDM) est très fréquemment pratiquée dans les services d’urgence, la capacité de détecter fortuitement et avec précision les nodules pulmonaires est importante pour la détection précoce du cancer du poumon.
Quelle technologie TDM pour identifier fortuitement les nodules pulmonaires ?
La littérature scientifique rapporte des nodules pulmonaires accidentels nécessitant un suivi pour 8,3 % à 9,9 % des patients, contre 19,7 % lors du premier tour de l'essai de dépistage du cancer pulmonaire de Nelson. Dans l’essai OPTIMACT, essai clinique contrôlé randomisé qui a évalué l'effet sur les résultats de santé du remplacement radiographie thoracique par la TDM ultra low dose (ULDCT) dans le bilan diagnostique des patients suspectés de maladie pulmonaire non traumatique aux urgences, il y a eu plus de nodules pulmonaires accidentels nécessitant un suivi que dans le groupe radiographie du thorax.
Le nombre de nodules pulmonaires accidentels nécessitant un suivi dans le groupe ULDCT de l'essai était inférieur à celui rapporté dans les études antérieures susmentionnées. Cela pourrait s'expliquer par la différence dans la population de patients, suspectés d'une maladie pulmonaire non traumatique nécessitant une radiographie thoracique d’un côté, ou âgés suspectés de pneumonie ou aux patients suspectés d'embolie pulmonaire de l’autre.
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.