Publicité

Évaluer le devenir des nodules pulmonaires sans recours à la biopsie

08/11/2013
De Bruno Benque

  Le devenir des nodules pulmonaires détectés par tomodensitométrie n'est, la plupart du temps prévisible qu'après une biopsie. Une équipe de chercheurs québécois a réussi à modéliser l'apparition d'un cancer du poumon à partir des données cliniques des patients, corrélées aux images de scanners réalisés deux ans après le diagnostic initial.  

 

Deux études multicentriques compilées

A partir des scanners low-dose réalisés sur les patients ayant participé deux études nord-américaines, l'étude Pan-Canadian Early Detection of Lung Cancer (PanCan), ainsi qu'une série d'études sur le même thème commandées par le British Columbia Cancer Agency (BCCA), une équipe de la faculté de médecine et de l'université de cardiologie et de pneumologie du Quebec a réalisé une compilation. Le but de ce travail, publié dans le New England Journal of Medicine, était de construire un outil prédictif pour l'apparition d'un cancer du poumon à partir de la présence de nodules sur les images observées.

 

Modéliser la probabilité de survenue du cancer pulmonaire

Les chercheurs ont étudié 12 029 nodules sur ces 2 981 patients, qui présentaient des caractéristiques similaires, à savoir des fumeurs ou ex-fumeurs, entre 50 et 75 ans, sans antécédents familiaux. A partir de l'aspect radiologique, de la position, ou de l'évolution de la taille de ces nodules au bout de deux ans, dont 144 se sont révélés cancéreux, ils ont inventé une méthode permettant de modéliser la survenue d'un cancer du poumon à distance de la première apparition des nodules sur un scanner low-dose.

 

Les promesses d'un modèle à 90% fiable

Les résultats de l'évaluation de leur modèle apparaissent satisfaisants, avec une validation pour approximativement 90% des cas. Ce travail permettra, à terme, de limiter les investigations secondaires au diagnostic des nodules pulmonaires, notamment les actes de biopsie voire de chirurgie, dont les effets secondaires ne sont statistiquement pas négligeables, et de générer des économies pour le système de santé.

 

SUR LE MÊME THÈME

IA & Données

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 -

IA & Données
Un acteur français de l'IA propose deux outils TDM pour la détection du cancer

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 -

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 -

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.