Rapidité et précision : grâce à l’Intelligence Artificielle, les tomodensitogrammes deviendront bientôt un examen plus sûr. Sur le Journal d’imagerie médicaleen effet, une recherche vient d’être publiée qui montre comment, grâce à un algorithme, il sera possible de perfectionner les niveaux de radiation à administrer aux patients. Un groupe de chercheurs, physiciens médicaux et radiologues du département de physique et d’astronomie de l’Université de Florence, de l’hôpital universitaire Careggi et de l’autorité sanitaire locale Toscana Centro travaillent sur le projet, dirigé par Sandra Doria de l’Institut de Chimie des Composés Organométalliques du Conseil National de la Recherche de Florence (Cnr-Iccom). L’Institut supérieur de la santé et la Fondation Bruno Kessler de Trente ont également collaboré au projet, en utilisant les ressources informatiques mises à disposition par Uniser Pistoia.
Métaverse : la nouvelle frontière de la médecine et des services de santé
par Irma D’Aria
13 mars 2023
La “puissance” du Tac
La tomodensitométrie est l’un des outils de diagnostic les plus puissants et les plus consolidés parmi ceux dont dispose la médecine moderne. Cependant, l’analyse manuelle des images produites par cette méthodologie nécessite beaucoup de temps et leur qualité est directement proportionnelle à la quantité de rayonnement X à laquelle un patient doit être soumis à cette fin.
Santé numérique : public et privé ensemble pour un système de santé plus efficace et proche du citoyen
par Irma D’Aria
27 juillet 2022
La création de l’algorithme
Les chercheurs ont réussi à automatiser le processus d’évaluation de la qualité de l’image dans les examens de tomodensitométrie (TDM) en utilisant l’intelligence artificielle pour réduire le rayonnement sur le patient. « Notre groupe – explique-t-il Sandra Doria (Cnr-Iccom), coordinateur de la recherche – a créé un algorithme, analysant les données générées par l’examen visuel que plusieurs radiologues ont réalisé sur des images CT d’un fantôme, créé dans le but de reproduire les caractéristiques des tissus humains et la présence de blessures artificielles. Par la suite, deux modèles d’intelligence artificielle ont été développés qui ont été entraînés et testés grâce à l’utilisation d’images précédemment collectées et de réponses de médecins ».
Mon médecin est un algorithme
par Paola Mariano
27 février 2023
Réduire la quantité de rayonnement
Ces modèles pourraient représenter une stratégie d’évaluation automatique de la qualité d’une image CT, qui permettra d’optimiser le dosage de rayonnement, afin de ne pas exposer les patients à une quantité excessive de rayons X. « Au cours des traitements ou des procédures de diagnostic, un patient doit être exposé à des niveaux minimaux de rayonnement, selon le principe connu « aussi bas que raisonnablement possible » (ALARA). Dans cette optique, le personnel médical doit trouver un compromis entre l’exposition aux rayons X et l’obtention d’images de bonne qualité, également pour éviter les diagnostics erronés », poursuit Doria.
La comparaison entre l’IA et les médecins
Les résultats obtenus grâce à cette étude sont très prometteurs : « Nos modèles – conclut Doria – peuvent identifier avec précision un objet inséré dans le fantôme, comme le ferait un radiologue. Nous espérons, dans un proche avenir, pouvoir appliquer ces modèles à plus grande échelle et rendre les évaluations encore plus rapides et plus sûres, simplifiant grandement le processus d’optimisation de la dose de rayonnement utilisée dans les protocoles CT. Cet aspect est essentiel pour réduire les risques pour la santé du patient et pour optimiser le moment des évaluations médicales ».
Autres recherches en cours
Ce n’est certainement pas la première fois que l’Intelligence Artificielle est utilisée dans le domaine médical et juste en ce qui concerne le scanner, certains chercheurs de l’Université du Massachusetts ont récemment développé un système capable de prédire le risque de cancer du poumon avec un 94% dans un an et 81 % dans les six ans. Le travail de Sybil consiste à analyser numériquement une tomodensitométrie et à partir de là, elle peut prédire quels sont les risques de cancer du poumon. “Sybil fournit un score de risque, pas un diagnostic, il est donc très utile d’identifier les patients qui doivent être suivis de près ou dépistés pour le cancer”, explique-t-il. Anniversaire de Sequistprofesseur de médecine à la Harvard Medical School, l’un des auteurs de l’étude, publiée dans le Journal of Clinical Oncology.
Le développement de l’intelligence artificielle était basé sur les données de 15 000 participants pour un total de 35 001 tomodensitogrammes utilisés pour développer le modèle et 6 282 autres pour le tester, notant combien de personnes avaient effectivement montré des lésions suspectes dans les tomodensitogrammes suivant le premier. et en les comparant avec les résultats montrés par Sybil. Les résultats proposés par l’Intelligence Artificielle se sont avérés corrects dans 94% des cas après un an, 86% après deux ans et 75%.
