RTFlash

VOUS ÊTES ICI :
Un nouvel outil d'IA pour diagnostiquer le cancer du pancréas

TIC

Un nouvel outil d'IA pour diagnostiquer le cancer du pancréas

Lundi, 18/12/2023 - 20:02 0 commentaire
Un nouvel outil d'IA pour diagnostiquer le cancer du pancréas zoom

Le prix Alexander R. Margulis d’excellence scientifique 2023 de la Radiological Society of North America (RSNA), qui récompense le meilleur article scientifique original publié dans la Revue Radiology, sera décerné aux auteurs de l’article de radiologie intitulé « Pancreatic Cancer Detection on CT Scans with Deep Learning : A Nationwide Population-based Study ». « Le prix Margulis de cette année récompense des résultats marquants susceptibles d'affecter des millions de patients à travers le monde », précise le Docteur Linda Moy, rédactrice dans Radiology. « L'étude démontre comment un outil basé sur le deep learning peut aboutir à une détection précise du cancer du pancréas sur les tomodensitogrammes, en particulier pour les tumeurs inférieures à deux centimètres. La détection précoce du cancer du pancréas permet une intervention rapide qui augmente considérablement les chances de survie ».

Les patients atteints d'un cancer du pancréas sont confrontés à un mauvais pronostic, avec un taux de survie à cinq ans de seulement 12 % et de meilleures chances en cas de détection précoce. Le pronostic se détériore considérablement lorsque la tumeur dépasse deux centimètres et se propage en dehors du pancréas. La tomodensitométrie (TDM), l'examen le plus largement utilisé et le plus sensible pour la détection du cancer du pancréas, manque environ 40 % des tumeurs inférieures à deux centimètres. Pour l'étude récompensée, le Docteur Po-Ting Chen, co-auteur principal et ses collègues de l'Université nationale de Taiwan à Taipei, ont développé un outil de deep learning et l'ont formé en comparant des centaines d’examens TDM injectés de patients avec et sans cancer du pancréas. L’outil d’IA de l’étude a atteint une sensibilité de 90 % et une spécificité de 93 % dans un ensemble de 1 473 examens TDM. La sensibilité était comparable à celle des radiologues, quels que soient la taille et le stade de la tumeur. La sensibilité pour détecter les cancers du pancréas de moins de deux centimètres était de 75 %.

« En termes de détection et de diagnostic précoces, notre outil d’IA joue un rôle central dans l'identification du cancer du pancréas à des stades plus précoces et plus traitables », poursuit le Docteur Chen. «  En aidant les radiologues et les cliniciens à reconnaître les lésions suspectes sur les TDM, il facilite un diagnostic rapide et précis, ce qui est crucial pour améliorer les résultats pour les patients. De plus, cet algorithme offre un avantage précieux en fournissant un deuxième avis fiable, en améliorant la confiance diagnostique parmi les professionnels de la santé et, en fin de compte, en bénéficiant aux soins des patients. » Il est important de noter que la méthode utilise une segmentation de prétraitement automatisée, ou une identification et un contour du pancréas sur des TDM du corps entier. L’automatisation de ce processus représente une avancée importante dans l’évaluation par l’IA de l’imagerie du pancréas, car le pancréas borde plusieurs organes et structures et varie considérablement en forme et en taille.

« Cette approche non seulement rationalise le processus, permettant aux médecins de gagner un temps précieux qui serait autrement consacré à délimiter manuellement la région d'intérêt, mais elle garantit également que le modèle de classification est orienté vers la zone critique, éliminant ainsi les informations superflues », ajoute le Docteur Chen. La segmentation assistée par ordinateur permet également une analyse quantitative, notamment la mesure de la taille, de la forme et du volume du pancréas ainsi que de toute lésion détectée, facilitant ainsi la planification du traitement et la surveillance de la maladie.

Article rédigé par Georges Simmonds pour RT Flash

Thema Radiologie

Noter cet article :

 

Vous serez certainement intéressé par ces articles :

Recommander cet article :

back-to-top