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
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 -

IA & Données
Abonné(e)

La TDM ultra low dose, prochaine norme pour le suivi des jeunes immunodéprimés ?

La tomodensitométrie à ultra-faible dose débruitée par l’IA permet, en appliquant seulement 2% de la dose normale, de diagnostiquer efficacement la pneumonie chez les patients immunodéprimés.  C’est le résultat d’une étude publiée dans la Revue Radiology et qui pourrait ouvrir la voie vers de nouvel...

14/03/2025 -

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.