Aide à la détection des nouvelles lésions T2/Flair dans le suivi de patients atteints de SEP grâce à deux logiciels d'IA.

IF 3 3区医学 Q2 CLINICAL NEUROLOGY

Journal of Neuroradiology Pub Date : 2025-02-19 DOI:10.1016/j.neurad.2025.101250

Milica Mastilovic , Olivier Heinzlef , Christian Federau , Veronica Muñoz-Ramírez , Marie Blanchiere , Jasmina Boban , Francois Cotton , Myriam Edjlali

{"title":"Aide à la détection des nouvelles lésions T2/Flair dans le suivi de patients atteints de SEP grâce à deux logiciels d'IA.","authors":"Milica Mastilovic , Olivier Heinzlef , Christian Federau , Veronica Muñoz-Ramírez , Marie Blanchiere , Jasmina Boban , Francois Cotton , Myriam Edjlali","doi":"10.1016/j.neurad.2025.101250","DOIUrl":null,"url":null,"abstract":"<div><h3>Introduction</h3><div>L'interprétation des IRM de suivi de patients atteints de Sclérose En Plaques (SEP) est à la fois difficile et chronophage. L'utilisation de l'IA, que ce soit pour faciliter la détection des lésions démyélinisantes typiques en IRM, ou automatiser le processus de lecture, est prometteuse. Cette étude se penche sur deux logiciels, Pixyl.Neuro.MS® et Jazz®, afin d'évaluer leur performance dans l'aide à la détection longitudinale des lésions T2/FLAIR chez les patients atteints de SEP présentant une forte charge lésionnelle.</div></div><div><h3>Matériels et méthodes</h3><div>Les IRM de suivi de 35 patients atteints de SEP ont été rétrospectivement examinés. Pixyl.Neuro.MS® (v1.8.7) segmente et effectue la catégorisation longitudinale des lésions (nouvelles versus préexistantes), tandis que Jazz® automatise le processus de lecture et l'affichage des images. Les temps d'interprétation avec les logiciels l'IA ont été mesurés. La vérité terrain sur les nouvelles lésions (NL) est définie par le consensus, entre les deux radiologues, des lectures assistées par l'IA. Les nouvelles lésions détectées à l'aide de chaque logiciel ont été comparées à la vérité terrain, afin de les catégoriser en vraies positives (VP) ou fausses positives (FP).</div></div><div><h3>Résultats</h3><div>Les temps nécessaires pour la seconde lecture avec les outils d'IA sont reportés sur la figure 1. Les deux logiciels ont permis aux radiologues d'identifier correctement un nombre plus élevé de nouvelles lésions (p<0,01 pour les deux logiciels) par rapport aux lectures radiologiques non assistées par l'IA (voir fig. 2) réalisées en routine clinique, malgré la présence de faux positifs.</div></div><div><h3>Conclusion</h3><div>Les deux logiciels d'IA améliorent de manière significative la détection des nouvelles lésions chez les patients atteints de SEP par rapport aux méthodes standards. Ces outils offrent ainsi un avantage crucial dans le suivi précis de l'évolution de la maladie.</div></div>","PeriodicalId":50115,"journal":{"name":"Journal of Neuroradiology","volume":"52 2","pages":"Article 101250"},"PeriodicalIF":3.0000,"publicationDate":"2025-02-19","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Journal of Neuroradiology","FirstCategoryId":"3","ListUrlMain":"https://www.sciencedirect.com/science/article/pii/S0150986125000094","RegionNum":3,"RegionCategory":"医学","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"Q2","JCRName":"CLINICAL NEUROLOGY","Score":null,"Total":0}

引用次数: 0

Abstract

Introduction

L'interprétation des IRM de suivi de patients atteints de Sclérose En Plaques (SEP) est à la fois difficile et chronophage. L'utilisation de l'IA, que ce soit pour faciliter la détection des lésions démyélinisantes typiques en IRM, ou automatiser le processus de lecture, est prometteuse. Cette étude se penche sur deux logiciels, Pixyl.Neuro.MS® et Jazz®, afin d'évaluer leur performance dans l'aide à la détection longitudinale des lésions T2/FLAIR chez les patients atteints de SEP présentant une forte charge lésionnelle.

Matériels et méthodes

Les IRM de suivi de 35 patients atteints de SEP ont été rétrospectivement examinés. Pixyl.Neuro.MS® (v1.8.7) segmente et effectue la catégorisation longitudinale des lésions (nouvelles versus préexistantes), tandis que Jazz® automatise le processus de lecture et l'affichage des images. Les temps d'interprétation avec les logiciels l'IA ont été mesurés. La vérité terrain sur les nouvelles lésions (NL) est définie par le consensus, entre les deux radiologues, des lectures assistées par l'IA. Les nouvelles lésions détectées à l'aide de chaque logiciel ont été comparées à la vérité terrain, afin de les catégoriser en vraies positives (VP) ou fausses positives (FP).

Résultats

Les temps nécessaires pour la seconde lecture avec les outils d'IA sont reportés sur la figure 1. Les deux logiciels ont permis aux radiologues d'identifier correctement un nombre plus élevé de nouvelles lésions (p<0,01 pour les deux logiciels) par rapport aux lectures radiologiques non assistées par l'IA (voir fig. 2) réalisées en routine clinique, malgré la présence de faux positifs.

Conclusion

Les deux logiciels d'IA améliorent de manière significative la détection des nouvelles lésions chez les patients atteints de SEP par rapport aux méthodes standards. Ces outils offrent ainsi un avantage crucial dans le suivi précis de l'évolution de la maladie.

查看原文本刊更多论文

使用两个人工智能软件，在多发性骨髓瘤患者的随访中帮助检测新的T2/Flair病变。

多发性硬化症（MS）患者随访MRI的解释既困难又耗时。人工智能的应用，无论是促进典型MRI脱髓鞘病变的检测，还是自动化阅读过程，都是有希望的。本研究研究了两种软件，Pixyl.Neuro。MS®和Jazz®，以评估其在支持高损伤负荷多发性硬化症患者T2/FLAIR病变纵向检测方面的表现。对35名多发性硬化症患者的MRI随访进行回顾性检查。Pixyl.Neuro。MS®（v1.8.7）对病变进行纵向分割和分类（新病变与现有病变），而Jazz®自动化图像读取和显示过程。对人工智能软件的解释时间进行了测量。关于新病变（NL）的实地真相是由两位放射科医生对人工智能辅助读数的共识定义的。将每个软件检测到的新损伤与现场真相进行比较，将其分为真阳性（PW）或假阳性（FP）。使用人工智能工具进行第二次阅读所需的时间如图1所示。这两种软件都使放射科医生能够正确识别更多的新病变（两个软件都是0.01），而不是在常规临床中进行的非人工智能放射检查（见图2），尽管存在假阳性。与标准方法相比，这两种人工智能软件显著改善了多发性硬化症患者新病变的检测。因此，这些工具在准确监测疾病进展方面具有至关重要的优势。

本文章由计算机程序翻译，如有差异，请以英文原文为准。

求助全文

约1分钟内获得全文求助全文

来源期刊

Journal of Neuroradiology 医学-核医学

CiteScore

6.10

自引率

5.70%

发文量

142

审稿时长

6-12 weeks

期刊介绍： The Journal of Neuroradiology is a peer-reviewed journal, publishing worldwide clinical and basic research in the field of diagnostic and Interventional neuroradiology, translational and molecular neuroimaging, and artificial intelligence in neuroradiology. The Journal of Neuroradiology considers for publication articles, reviews, technical notes and letters to the editors (correspondence section), provided that the methodology and scientific content are of high quality, and that the results will have substantial clinical impact and/or physiological importance.