Pratique professionnelle

« L’âge du patient influence fortement sur le mode de raisonnement du manip en IRM »

La revue Radiography a publié en octobre 2025 une étude portant sur le raisonnement des manipulateurs radio en IRM. Benoît Billebaut, manipulateur radio, qui l'a menée, explique pourquoi il a choisi cette thématique.

icon réservé aux abonnésArticle réservé aux abonnés
Le 09/01/26 à 7:00, mise à jour le 14/01/26 à 9:51 Lecture 6 min.

Benoît Billebaut, manipulateur radio à Münster en Allemagne, a mené en début d'année 2025 une étude, sous la supervision de Jean-Philippe Dillenseger, enseignant chercheur à la faculté de médecine de Strasbourg, consacrée aux mécanismes de prise de décision des manipulateurs en imagerie médicale, en particulier en IRM. D. R.

Benoît Billebaut, manipulateur radio à Münster, en Allemagne, a mené en début d'année 2025 une étude, sous la supervision de Jean-Philippe Dillenseger, enseignant chercheur à la faculté de médecine de Strasbourg, consacrée aux mécanismes de prise de décision des manipulateurs en imagerie médicale, en particulier en IRM [1]. Publiée en octobre 2025 dans la revue Radiography, elle met en lumière l’impact de l’expérience professionnelle, de l’âge du patient et de la formation sur ces processus, ainsi que la méfiance envers l’intuition due à l’absence de verbalisation systématique dans la pratique.

Tech Imago / Dans quel contexte et pour quelles raisons avez-vous souhaité mener cette étude ?

Benoît Billebaut / Cette étude est née d’une difficulté rencontrée dans ma pratique clinique. Lorsque je formais de jeunes collègues, j’avais beaucoup de mal à leur expliquer comment, en regardant une image, la décision me semblait immédiatement évidente : savoir si elle était bonne, si elle devait être

Il vous reste 88% 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

Marjolaine Margue

Journaliste spécialisée BOM Presse

Voir la fiche de l’auteur

Bibliographie

  1. Billebaut B, Wehnert S, Wameling J, et al (2025) Seeing, thinking, deciding : “Radiographic reasoning” in MRI — A qualitative investigation. Radiography 31 :103205. https://doi.org/10.1016/j.radi.2025.103205.

Discussion

Aucun commentaire

Laisser un commentaire

Le fil Tech Imago

10 Juil

15:33

La consommation énergétique en IRM est principalement liée à l’utilisation des gradients, conclut une étude présentée dans Academic Radiology. Les séquences ep2D DWI et DTI étant les plus énergivores. Le choix de séquences moins énergivores, dans un contexte clinique approprié, peut réduire la consommation d’énergie par séquence de 20 à 49 %.

7:31

Une méta-analyse de 23 études démontre que la TEP-TDM au [18F]FDG et l’IRM pelvienne présentent des sensibilités comparables pour la détection des métastases ganglionnaires latérales du cancer du rectum. En revanche, la TEP-TDM au [18F]FDG peut aider à exclure les faux positifs, évitant ainsi les dissections latérales des ganglions lymphatiques et la morbidité associée.
09 Juil

17:00

Des modèles d’apprentissage profond conçus pour identifier les résultats d’imagerie directe et indirecte sur le scanner ont montré des performances diagnostiques comparables ou meilleures que celles des médecins expérimentés pour la détection du cancer du pancréas, selon une étude de Radiology.

11:00

Dans une étude rétrospective suédoise, des chercheurs ont testé trois systèmes de détection assistée par ordinateur (AI-CAO) basés sur l’IA sur des données de mammographie provenant d’une grande population de dépistage. Ceux-ci ont démontré leur potentiel à détecter les signes précoces du cancer du sein jusqu’à 6 ans avant le diagnostic, selon une étude publiée dans Radiology. (Communiqué)

7:45

Le scanner corps entier à ultra-faible dose, associé à un algorithme de reconstruction par intelligence artificielle (SR-DLR), permet de réduire d'environ 70 % l'exposition aux rayonnements tout en conservant une excellente qualité d'image et des performances diagnostiques élevées pour la détection des maladies viscérales et métastatiques des tissus mous chez les patients oncologiques sous surveillance du cancer, indique une étude parue dans European Journal of Radiology.
Tech Imago

GRATUIT
VOIR