Intelligence artificielle et imagerie gynécologique
- L'apport de l'intelligence artificielle en imagerie se retrouve de la création de l'image (amélioration de la qualité, diminution de la dose ou du temps d'acquisition) jusqu'à son analyse et l'aide au diagnostic par de l'analyse de texture ou de l'apprentissage profond.
- L'analyse de texture ou radiomique permet d'extraire des données contenues dans l'image mais non visibles à l'œil nu afin d'établir un profil tumoral personnalisé.
- L'apprentissage profond (deep learning) permet une analyse des images par l'extraction automatique de paramètres simples et complexes aboutissant à des classifications utiles dans la prise charge (bénignité ou malignité, bon ou mauvais pronostic, etc.).
- L'intelligence artificielle promet l'amélioration de la prise en charge des patientes en réalisant une personnalisation du traitement sur des données d'imagerie ; il faut rester vigilant sur la rigueur méthodologique des algorithmes appliqués afin de s'assurer de la pertinence des résultats.
Liens d'interêts
Les auteurs déclarent ne pas avoir de liens d’intérêts.
Autres articles sur « Gynécologie et obstétrique »
Envoyer à un confrère
Merci de saisir l’e-mail de votre confrère :
Intelligence artificielle et imagerie gynécologique - Figure 1
Figure 1. Image scanographique d’une coupe abdominale sans (A) et avec (B) application d’un algorithme de deep learning de construction d’image. On apprécie sur l’image B une image moins granitée avec des contours plus nets, en particulier au niveau des anses digestives.
Intelligence artificielle et imagerie gynécologique - Figure 2
Figure 2. Exemple de segmentation manuelle d’un utérus à l’aide du logiciel open source 3D Slicer.
