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.
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.