Dans les années récentes, la technologie d'intelligence artificielle de deep learning (dans laquelle le système s'améliore au fur et à mesure de son expérience) a été largement employée pour développer des algorithmes capables d'interpréter des radiographies thoraciques, plusieurs ayant montré de bonnes performances. Leur impact sur la charge de travail et la rapidité de diagnostic des radiologues restent toutefois peu connus.
En utilisant cette technologie, Ju Gang Nam de l'hôpital national universitaire de Séoul et ses collègues ont développé l'algorithme DLAD-10 capable de détecter et localiser sur des radios du thorax 10 anomalies fréquentes: pneumothorax, élargissement médiastinal, pneumopéritoine, nodule/masse, consolidation, épanchement pleural, atélectasie, fibrose, calcification, cardiomégalie. Ils ont souhaité tester la performance de cet outil ainsi que son impact potentiel "dans la vraie vie" dans un service d'urgences.
Après avoir entraîné leur algorithme sur 146.717 radios du thorax, les auteurs ont testé ses performances sur deux nouvelles séries de radio thoraciques (973 clichés au total) et les ont comparées à c
Pour modifier les paramètres de vos cookies, cliquer ici.
Vos réactions