Évaluation d'un logiciel prédictif de malignité dans la prise en charge des nodules pulmonaires découverts fortuitement en urgence : thèse présentée pour le diplôme d'État de docteur en médecine, diplôme d'État, mention radiologie et imagerie médicale
Langue Français
Langue Français
Auteur(s) : Michelin Bastien
Composante : MEDECINE
Date de création : 30-06-2021
Description : Médecine (radiologie et imagerie médicale), Objectif : Déterminer l’impact d'un logiciel d’intelligence artificiel prédictif de malignité dans la prise en charge de nodules pulmonaires incidentaux sur des TDM réalisées en urgence. Matériel et méthode : Etude rétrospective unicentrique incluant l’ensemble des nodules pulmonaires ≥ 6 mm et ≤ 30 mm découverts fortuitement sur des TDM d’urgence réalisées entre le 1er juin 2017 et le 31 décembre 2017. Un logiciel d’intelligence artificielle utilisant des algorithmes d’apprentissage profond a été utilisé pour déterminer leur probabilité de malignité. Les prédictions ont été comparées au modèle de Brock et au suivi à deux ans. Résultats : 90 nodules pulmonaires incidentaux chez 83 patients ont été inclus. 36 nodules étaient bénins, 13 nodules étaient malins et 41 nodules étaient indéterminés au terme du suivi. L’analyse IA n’a pas été réalisable pour 9/90 nodules. Les 34 nodules bénins analysés avaient un score IA compris entre 0,02% et 96,73% (moyenne = 48,05 ± 37,32), alors que les 11 nodules malins analysés avaient un score IA compris entre 82,89% et 100% (moyenne = 93,9 ± 2,3). Les performances diagnostiques du logiciel d’IA pour le diagnostic positif des nodules malins en utilisant un seuil de malignité à 75 % étaient : Se = 100 % ; Sp = 55,8 % ; VPP = 42,3 % ; VPN = 100 %. En raison de sa très forte VPN, l’adjonction d’un score IA au scanner initial aurait pu permettre d’éviter le suivi de 50% des nodules pulmonaires bénins ayant fait l’objet d’une recommandation de suivi (6/12 nodules). Conclusion : Dans un contexte de nodules pulmonaires incidentaux, un logiciel d’intelligence artificielle utilisant des algorithmes d’apprentissage profond présente une forte VPN de malignité, suggérant un usage potentiel pour diminuer le suivi de nodules catégorisés bénins
Mots-clés libres : Poumon -- Cancer, Nodules pulmonaires, Intelligence artificielle en médecine, Deep learning, 616.075
Couverture : FR
Composante : MEDECINE
Date de création : 30-06-2021
Description : Médecine (radiologie et imagerie médicale), Objectif : Déterminer l’impact d'un logiciel d’intelligence artificiel prédictif de malignité dans la prise en charge de nodules pulmonaires incidentaux sur des TDM réalisées en urgence. Matériel et méthode : Etude rétrospective unicentrique incluant l’ensemble des nodules pulmonaires ≥ 6 mm et ≤ 30 mm découverts fortuitement sur des TDM d’urgence réalisées entre le 1er juin 2017 et le 31 décembre 2017. Un logiciel d’intelligence artificielle utilisant des algorithmes d’apprentissage profond a été utilisé pour déterminer leur probabilité de malignité. Les prédictions ont été comparées au modèle de Brock et au suivi à deux ans. Résultats : 90 nodules pulmonaires incidentaux chez 83 patients ont été inclus. 36 nodules étaient bénins, 13 nodules étaient malins et 41 nodules étaient indéterminés au terme du suivi. L’analyse IA n’a pas été réalisable pour 9/90 nodules. Les 34 nodules bénins analysés avaient un score IA compris entre 0,02% et 96,73% (moyenne = 48,05 ± 37,32), alors que les 11 nodules malins analysés avaient un score IA compris entre 82,89% et 100% (moyenne = 93,9 ± 2,3). Les performances diagnostiques du logiciel d’IA pour le diagnostic positif des nodules malins en utilisant un seuil de malignité à 75 % étaient : Se = 100 % ; Sp = 55,8 % ; VPP = 42,3 % ; VPN = 100 %. En raison de sa très forte VPN, l’adjonction d’un score IA au scanner initial aurait pu permettre d’éviter le suivi de 50% des nodules pulmonaires bénins ayant fait l’objet d’une recommandation de suivi (6/12 nodules). Conclusion : Dans un contexte de nodules pulmonaires incidentaux, un logiciel d’intelligence artificielle utilisant des algorithmes d’apprentissage profond présente une forte VPN de malignité, suggérant un usage potentiel pour diminuer le suivi de nodules catégorisés bénins
Mots-clés libres : Poumon -- Cancer, Nodules pulmonaires, Intelligence artificielle en médecine, Deep learning, 616.075
Couverture : FR
Type : Thèse d’exercice, ressource électronique
Format : Document PDF
Source(s) :
Format : Document PDF
Source(s) :
- http://www.sudoc.fr/25856282X
Entrepôt d'origine :
Identifiant : ecrin-ori-320876
Type de ressource : Ressource documentaire
Identifiant : ecrin-ori-320876
Type de ressource : Ressource documentaire