Loading…

Comparaison de deux outils d’intelligence artificielle pour la détection d’anomalies et la segmentation en TEP/TDM au 18F-FDG dans une cohorte monocentrique de cancers de poumons

La TEP-TDM au 18-FDG est aujourd’hui un examen essentiel dans la prise en charge des cancers pulmonaires et des paramètres, comme le volume tumoral, ont montré leurs caractères pronostiques et prédictifs de la réponse au traitement. L’essor de l’intelligence artificielle a permis de simplifier le ca...

Full description

Saved in:
Bibliographic Details
Published in:Médecine nucléaire : imagerie fonctionelle et métabolique 2023-03, Vol.47 (2), p.70-70
Main Authors: Mechti, M., Itti, E., Blanc Durand, P.
Format: Article
Language:fre
Subjects:
Online Access:Get full text
Tags: Add Tag
No Tags, Be the first to tag this record!
Description
Summary:La TEP-TDM au 18-FDG est aujourd’hui un examen essentiel dans la prise en charge des cancers pulmonaires et des paramètres, comme le volume tumoral, ont montré leurs caractères pronostiques et prédictifs de la réponse au traitement. L’essor de l’intelligence artificielle a permis de simplifier le calcul de ces derniers sujets à une variabilité inter-opérateurs grâce à des algorithmes mis à notre disposition pour automatiser la segmentation des lésions tumorales. L’objectif de cette étude est d’évaluer les performances en termes de détection, mais également pour le calcul automatique du volume métabolique, de deux logiciels d’intelligence artificielle dans une cohorte monocentrique de cancers du poumon. Entre le 1er septembre 2019 et le 1er septembre 2022, ont été identifiés 70 patients ayant réalisé une TEP-TDM FDG dans le bilan d’extension initial d’un cancer du poumon au CHU Henri Mondor (Créteil, France). Tous les patients ont été analysés par le logiciel PAIRE v1.0.0 (Paris, France) et par l’interface « Détecteur de lésions » : AUTOID développée par Siemens (Erlangen, Allemagne). Les prédictions ont été exportées, avant et après correction manuelle, à partir des prédictions d’AUTOID dans l’interface Syngo.via (VB60) en ajoutant ou supprimant des lésions hypermétaboliques (toutes les lésions hypermétaboliques, inflammatoire ou tumorale, ont été considérées dans ce travail) et constituant notre vérité terrain. AUTOID détecte des composantes connexes hypermétaboliques de l’image supérieure à un seuil (PERCIST) et les classifie en physiologiques ou pathologiques. Comme le nombre de vrais négatifs n’est pas calculable, seuls la sensibilité et le taux de faux positifs (ratio Faux Positifs/Vrai Positifs) sont rapportés. Nous avons ensuite comparé à l’échelle individuelle le nombre de vrais positifs, faux positifs, faux négatifs mais également les volumes métaboliques. L’analyse statistique incluait des t-tests appariés et des corrélations de Pearson. Au total, 66 patients (âge moyen 70 ans ; 47 hommes) ont pu être inclus (4 ont été exclus car AUTOID ne permet pas la détection de l’ensemble des lésions lorsque ce nombre est supérieur à 50). Les sensibilités de PAIRE et d’AUTOID pour détecter les lésions avides en FDG étaient, respectivement, de 92,7 % et 49,3 %. Le taux de faux positifs était pour PAIRE de 50,0 % et pour AUTOID de 48,9 %. Les volumes métoboliques moyens étaient, respectivement, de 58 et 80mL pour PAIRE et AUTOID contre 72mL après correction, s
ISSN:0928-1258
1878-6820
DOI:10.1016/j.mednuc.2023.01.063