Publicité

Le lexique radiologique standardisé RadLex fête ses vingt ans

22/04/2025
De Rédaction

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.

RadLex est un ensemble complet de termes médicaux destinés aux comptes rendus radiologiques, à l'aide à la décision, à l'exploration de données, aux registres de données, à l'enseignement et à la recherche. Les termes RadLex sont lisibles par l'homme et par la machine, ce qui permet des communications efficaces et la génération de données à plus forte valeur ajoutée pour les processus cliniques et la recherche, notamment grâce à l'adoption de l'intelligence artificielle (IA).

« L'objectif principal de RadLex est l'interopérabilité, précise le Pr Kenneth C. Wang, professeur associé adjoint de radiologie diagnostique à la faculté de médecine de l'Université du Maryland à Baltimore (USA). Les comptes rendus utilisant une terminologie standardisée sont plus clairs pour les praticiens qui les utilisent. Parallèlement, les codes qui accompagnent les termes RadLex permettent à différents systèmes d'information et applications d'IA d'échanger et d'utiliser des données de santé. »

Au fil des ans, RadLex a joué un rôle crucial dans l'amélioration de l'interopérabilité des systèmes d'imagerie. Il permet un échange de données fluide entre les établissements et a favorisé les avancées de l'IA en imagerie diagnostique. Son intégration aux rapports structurés a amélioré la clarté et la précision des comptes rendus radiologiques, au bénéfice des cliniciens, des chercheurs et des patients. Il rassemble aujourd’hui plus de 75 000 termes, garantissant la cohérence de l'annotation des images, des comptes rendus structurés et des applications d'IA.

Le développement de RadLex a été soutenu par des subventions et des contrats financés par le National Institute of Biomedical Imaging and Bioengineering (NIBIB), la Veteran's Health Administration et le Department of Defense, ainsi que par le projet Cancer Biomedical Informatics Grid (caBIG).

Les établissements peuvent intégrer RadLex à leur processus de reporting en implémentant des modèles de rapport intégrant les termes et codes RadLex. Une bibliothèque de ces modèles est disponible sur RadReport.org.

SUR LE MÊME THÈME

IA & Données
Un réseau de radiologues français conclut un accord avec un fournisseur d'IA pour le diagnostic

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 -

IA & Données
Les comptes rendus radiologiques ne sont pas près de passer par GPT-4
Abonné(e)

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 -

IA & Données
Un nouvel outil d'extraction de données spécialisé en radiologie

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 -

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 -

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.