Login
Communauté Vinci
Extérieur
Si votre nom d'utilisateur ne se termine pas par @vinci.be ou @student.vinci.be, utilisez le formulaire ci-dessous pour accéder à votre compte de lecteur.
Titre : | Utilisation de lIA (Intelligence artificielle) pour la délimitation des tumeurs et des organes à risque dans le cadre de la radiothérapie des cancers du sein ainsi que de la tête et du cou (2023) |
Auteurs : | Siri Willems ; Heleen Bollen ; Liesbeth Vandewinckele ; Laurence Delombaerde ; Wouter Crijns ; Frederik Maes ; Caroline Weltens ; Sandra Nuyts |
Type de document : | Article |
Dans : | Gunaïkeia (Vol. 28, n° 1, 15 février-15 mars 2023) |
Article en page(s) : | p.18-24 |
Langues: | Français |
Descripteurs : |
HE Vinci Diagnostic ; Intelligence artificielle (IA) ; Pratique clinique ; Radiothérapie ; Thérapie ; Tumeurs de la tête et du cou ; Tumeurs du sein |
Résumé : | La radiothérapie externe, la forme la plus courante de radiothérapie, est un traitement non invasif qui consiste à détruire le tissu cancéreux au moyen dun faisceau de photons ionisants dirigé vers le patient depuis lextérieur. Lobjectif est dajuster ce faisceau de manière à ce que la tumeur reçoive la dose de rayonnements prescrite, tout en limitant la dose administrée aux organes à risque environnants. Lélaboration dun plan de traitement individuel optimal nécessite une délimitation précise du tissu cancéreux ainsi que des organes à risque, une procédure qui est souvent réalisée manuellement et qui demande énormément de travail. De plus, les processus de délimitation manuels sont source de variabilité dans la pratique clinique. Depuis peu, des modèles dintelligence artificielle (IA) sont utilisés à lUZ Leuven afin de procéder aux délimitations pour des indications tumorales telles que le cancer du sein et les cancers de la tête et du cou. Ces modèles dIA ont dabord été entraînés pour apprendre une tâche spécifique. Pour ce faire, un ensemble de données présélectionné a été utilisé en combinaison avec des étiquettes correspondantes de tumeurs et dorganes à risque pour lindication tumorale visée. Ces modèles dIA entraînés ont ensuite été évalués dans la pratique en déterminant les performances globales du modèle, le gain de temps et la variabilité inter-observateur dans le contexte clinique. Trois études cliniques différentes portant sur des patients atteints dun cancer de la tête et du cou ou du sein ont montré que lautomatisation permet des gains de temps significatifs dans la pratique clinique. Les protocoles de segmentation basés sur lIA réduisent par ailleurs la variabilité, ce qui se traduit par une plus grande cohérence entre les différents médecins dun même centre. De manière générale, on peut dire que les modèles dIA sont plus efficaces et plus cohérents, ce qui justifie leur utilisation dans la pratique clinique. |
Disponible en ligne : | Oui/Non |
En ligne : | https://flipflashpages.uniflip.com/3//61981/1127327/pub/document.pdf |
Exemplaires (1)
Cote | Support | Localisation | Section | Disponibilité |
---|---|---|---|---|
Gunaïkeia. Vol. 28, n° 1 (15 février-15 mars 2023) | Périodique papier | Woluwe | Espace revues | Consultation sur place uniquement Exclu du prêt |