Le CHU Dijon Bourgogne acquiert le scanner Aquilion One Genesis

En janvier 2019, le Professeur Frédéric Ricolfi, radiologue, a accueilli, au sein du service des urgences du CHU Dijon Bourgogne, le Scanner Aquilion One Genesis avec une solution de machine deep learning embarquée.

En janvier 2019, le Professeur Frédéric Ricolfi, radiologue, a accueilli, au sein du service des urgences du CHU Dijon Bourgogne, le Scanner Aquilion One Genesis avec une solution de machine deep learning embarquée.
Grâce à la capacité du scanner Aquilion One Genesis, l’imagerie médicale associée à l’intelligence artificielle permet aux médecins du CHU Dijon Bourgogne de rendre un diagnostic clinique plus rapide et de meilleure qualité qu’en pratique habituelle. Dotée d’un large détecteur (16 cm), et d’une meilleure qualité d’image et de résolution, cette prouesse technologique étend les zones d’exploration du corps humain, tout en diminuant la dose de rayon. Cette avancée diagnostique est garante d’une meilleure prise en charge aux urgences : les médecins ciblent plus rapidement les traitements à prodiguer et les patients bénéficient plus vite de soins adaptés.
Par exemple, le patient qui arrive aux urgences après un Accident vasculaire cérébral (AVC) se verra prescrire un examen qui fournira à son médecin les images étendues de son cœur et de son cerveau, en passant par un exploration artérielle des troncs supra aortiques de meilleure qualité.
A l’avenir, les médecins souhaitent étendre ces évaluations aux urgences thoraciques, aux pathologies abdominales et aux pathologies osteo articulaires. Les bénéfices à court terme et moyen terme de cette technologie diagnostique innovante sur la santé des patients, sur les pratiques professionnelles et en termes d’efficience pour le système de santé vont être évalués au travers de futures études cliniques et médico-économiques pouvant s’inscrire dans les projets de recherche du CHU Dijon Bourgogne.  

Machine Learning et Deep Learning

L’apprentissage automatique ou machine learning est d’après Arthur Samuel – pionnier américain du jeu sur ordinateur, de l’intelligence artificielle et de l’apprentissage automatique – une science qui permet de donner « à un ordinateur la capacité d’apprendre sans avoir été programmé pour effectuer une tâche ». L’apprentissage profond, en anglais deep learning, est la combinaison des algorithmes d’apprentissage automatique avec les réseaux de neurones formels et avec l’utilisation des données de masse (big data). L’avantage du deep learning est de pouvoir apprendre et s’auto-adapter en étudiant des exemples. Pour cela, l’algorithme utilise les données du big data, des cas cliniques dont le format doit être le plus standardisé possible. L’intelligence artificielle va permettre de répondre à l’une des problématiques majeures des radiologues : le compromis irradiation/qualité de l’image. Jusqu’à présent, plus les doses sont importantes, meilleure est l’image. Désormais grâce à l’intelligence artificielle et son application en deep learning, la qualité des images sera supérieure avec une dose abaissée.
En IRM, le DLR (Deep Learning Reconstruction) débruite les images et propose une qualité supérieure et une durée d’examen raccourcie. Une autre application concrète du deep learning pour Canon en imagerie médicale sera d’accompagner le praticien en identifiant les images les plus pertinentes pour son diagnostic. Sans aucune intervention humaine, le logiciel pourra alerter le médecin quand un patient présentera un risque élevé de pathologie.

Commentaires

Il n’y a pas encore de commentaire pour cet article.

Sur le même sujet

Fumagilline, itinéraire d’une réapparition

L’information a été reprise par plusieurs médias. Pour soigner un jeune patient, les Hospices Civils de Lyon ont recréé un médicament disparu de la circulation : la fumagilline. Si ce dernier fait office de remède miracle, sa fabrication tient davantage de l’abnégation des équipes du CHU qui, à l’heure actuelle, se battent pour en pérenniser la production.

Dossier : L’endométriose

En Janvier 2022, Emmanuel Macron a annoncé la mise en place d’une stratégie nationale de lutte contre l’endométriose, maladie gynécologique mieux connue depuis quelques années et qui touche aujourd’hui une femme sur dix. Notre dossier.

Urgences : “La régulation médicale apparaît comme une solution pertinente pour garantir la qualité de la prise en charge”

Responsable d’une “mission flash” d’un mois pour les urgences – déjà contestée par plusieurs organisations qui craignent un énième rapport sans réelle traduction en actes -, François Braun était présent quelques jours auparavant au Salon Santexpo pour parler du Services d’accès aux soins. Le Chef du pôle Urgences santé mentale au CHR de Metz-Thionville et président de Samu-Urgences de France voit dans le SAS, déjà déployé sur vingt-deux sites pilotes en France, qu’il une solution de désengorgement efficace des urgences. Explications.