Intelligence artificielle

Une IA pour repérer les sondes d’intubation sur les radiographies pédiatriques

Une équipe de chercheurs a développé un système d’intelligence artificielle capable de détecter et de localiser automatiquement les sondes endotrachéales sur les radiographies thoraciques d’enfants sous ventilation mécanique. Les premiers résultats, obtenus dans une étude menée sur 1 000 radiographies, montrent des capacités pour identifier très précisément la présence d’une sonde.

icon réservé aux abonnésArticle réservé aux abonnés
Le 22/09/26 à 7:00 Lecture 2 min.

Des chercheurs alors développé une méthode d’intelligence artificielle destinée à automatiser l’analyse des radiographies thoraciques pédiatriques ©CC0 Public Domain/Wikimedia Comm

Chez les enfants nécessitant une ventilation mécanique, la sonde endotrachéale (ETT) constitue un dispositif essentiel pour assurer l’apport d’air aux poumons. Sa position doit toutefois être vérifiée avec précision, notamment grâce à une radiographie thoracique. Une mauvaise position de l’extrémité de la sonde peut en effet avoir des conséquences cliniques importantes.

Des chercheurs ont alors développé une méthode d’intelligence artificielle destinée à automatiser l’analyse des radiographies thoraciques pédiatriques [1].

Un système en deux étapes

L’étude rétrospective a été menée sur 1 000 radiographies thoraciques pédiatriques réalisées en 2021 dans un même établissement. Parmi elles, 476 montraient une sonde endotrachéale et 524 n’en comportaient pas. "Les masques de segmentation ETT et les coordonnées des extrémités distales ont été annotés par des analystes formés et vérifiés par des radiologues pédiatriques", indiquent les chercheurs

Le système d’intelligence artificielle a été conç

Il vous reste 65% de l’article à lire

Tech Imago réserve cet article à ses abonnés

S'abonner à l'édition
  • Tous les contenus « abonnés » en illimité
  • Le journal numérique en avant-première
  • Newsletters exclusives, club abonnés

Abonnez-vous !

Tech Imago en illimité sur desktop, tablette, smartphone, une offre 100% numérique

Offre découverte

1€

pendant 1 mois
puis 13 €/mois

S’abonner à Tech Imago

Auteurs

Solenn Duplessy

Voir la fiche de l’auteur

Bibliographie

  1. Li H, Zhang B, Somasundaram E, et al (2026) A two-stage deep learning pipeline for automated detection and localization of endotracheal tubes on pediatric chest radiographs: a pilot study. Pediatr Radiol. https://doi.org/10.1007/s00247-026-06767-z

Spécialité médicale

Pédiatrie

Mots-clés

radiopédiatrie intelligence artificielle

Discussion

Aucun commentaire

Laisser un commentaire

Sur le même thème

Le fil Tech Imago

05 Oct

14:25

L'utilisation de salles hybrides d'angiographie incorporant l'angioscanner biphasique a réduit la dose de manière significative par rapport au scanner cone beam monophasique lors de procédures d'embolisation et de radio-embolisation du foie, dans le cadre d'une étude rétrospective. « Toutefois, la dose effective totale n'est plus restée significative après correction des incertitudes », indiquent les chercheurs.

7:23

La présence d'une couronne échogène entourant une masse est associée à une tumeur maligne invasive et correspond à une évolution du carcinome canalaire in situ vers un cancer invasif d'après l'examen histopathologique postopératoire, selon une étude présentée dans Academic Radiology. Toutefois, elle n'apporte guère d'informations supplémentaires utiles aux radiologues sur le plan diagnostique ou pronostique.

7:00

03 Oct

4:00

Au sein de la polyclinique de Blois (Centre-Val de Loire), le groupe Vidi - IMCL41 a investi dans de nouveaux équipements lourds. Les locaux ont également été agrandis. L'objectif du groupe est de "d’améliorer l'accueil des patients et surtout de réduire les délais de rendez-vous", indique-t-il dans un communiqué.
02 Oct

15:13

Prenuvo lance le Prenuvo Research Network. Le réseau réunira ses propres outils d’IA, des équipes internes de recherche et développement, des scientifiques et des institutions académiques. Leur objectif est de « construire la base de preuves pour une médecine proactive et préventive ».

13:00

Les méthodes de deep learning permettent de réduire les artefacts métalliques en scanner pour la radiothérapie tête et cou, avec une amélioration de la visualisation et de la précision dosimétrique (étude).
✕
Tech Imago

GRATUIT
VOIR