Ce bref article résume les applications principales de l’intelligence artificielle, et plus précisément les approches de l’apprentissage profond en imagerie moléculaire et en recherche en radiothérapie. À cette fin, les applications de l’intelligence artificielle dans cinq domaines génériques de l’imagerie moléculaire et de la radiothérapie, y compris la conception d’instruments TEP, la quantification et la segmentation de la reconstruction d’images TEP, le débruitage d’image (imagerie à faible dose), la dosimétrie des rayonnements et le diagnostic assisté par ordinateur, ainsi que la prédication des résultats y sont évoqués. Cette revue s’attaque rapidement aux concepts fondamentaux de l’intelligence artificielle et de l’apprentissage profond et est suivie d’une présentation des accomplissements précurseurs et des défis que pose leur adoption en milieu clinique. 

Vous pouvez lire la version complète de l’article ici (disponible uniquement en anglais).

L’intelligence artificielle (IA) a le potentiel de transformer radicalement la manière dont nous pratiquons la médecine. Les plateformes d’IA excellent dans la reconnaissance de modèles complexes de données médicales et produisent des évaluations quantitatives, et non juste qualitatives, des conditions cliniques. En conséquence, l’IA pourrait apporter des applications transformatrices en radio-oncologie compte tenu de la nature technique et pluridisciplinaire de ce domaine de médecine qui dépend fortement du traitement des données digitales et des logiciels informatiques. En effet, l’IA a le potentiel d’améliorer l’exactitude, la précision, l’efficacité et la qualité de la radiothérapie pour les patients atteints de cancer. Dans cette optique, nous présentons d’abord une description générique des méthodes de l’IA, suivi d’un aperçu de haut niveau du flux radiothérapique et de discussions sur les implications potentielles de l’IA sur toutes les étapes de ce processus. Finalement, nous présentons les défis associés au développement clinique et la mise en œuvre des plateformes d’IA en radio-oncologie et proposons notre point de vue sur la manière dont ces plateformes pourraient changer le rôle des professionnels médicaux en radiothérapie. 

Vous pouvez lire la version complète de l’article ici (disponible uniquement en anglais).

L’intelligence artificielle (IA), technologie émergente, a le potentiel de transformer des secteurs entiers grâce à ses diverses applications, de la fabrication automatisée à la publicité et à la reconnaissance faciale aux transports autonomes. Des avancées dans chacun de ces domaines ont mené certaines personnes à qualifier l’IA de quatrième révolution industrielle.  Dans les soins de santé, l’IA est perçue à la fois comme une force productive et déstabilisante dans plusieurs domaines. Cela est relativement frappant dans le radiodiagnostic et la pathologie, des domaines qui s’articulent autour du traitement et de l’interprétation complexe de l’imagerie médicale, où le rôle de l’IA est perçu à la fois comme un bienfait et une menace. Similairement, en radio-oncologie, l’IA pourrait remodeler ce domaine de manière importante, bien que son impact ne se soit peut-être pas fait tant ressentir, et peut sembler moins important pour certains, compte tenu de la nature plus complexe et interpersonnelle de ce domaine. Dans ce résumé, nous examinerons en détail l’état actuel et l’impact anticipé de l’IA en radio-oncologie, en mettant l’accent sur des sujets clés vus sous l’angle de divers intervenants, ainsi que sur le rôle que notre spécialité pourrait jouer dans l’évolution de l’IA au sein du domaine médical dans son ensemble. 

Vous pouvez lire la version complète de l’article ici (disponible uniquement en anglais).

L’intelligence artificielle a le potentiel incroyable d’influencer positivement le domaine de la radio-oncologie. Cependant, des ensembles importants de données, qui requièrent des données d’imagerie et des annotations correspondantes, sont requis pour mettre au point des modèles d’intelligence artificielle (IA) de radio-oncologie. La mise en œuvre récente des principes FAIR pour la gestion des données scientifiques a permis d’augmenter le nombre d’ensembles de données liés à la radio-oncologie à diffuser aux dépôts de données, faisant office de source de données importante pour la création de modèles d’IA. Cet article examine l’état actuel et futur de la diffusion de données en radio-oncologie, et se concentre sur les ensembles de données d’imagerie publiés, les défis liés aux données d’IA et à son infrastructure. De plus, nous présentons un contexte historique des protocoles de diffusion de données FAIR, les défis liés à la diffusion actuelle des données en radio-oncologie, et les recommandations pour la diffusion des données pour leur utilisation éventuelle dans des modèles d’intelligence artificielle. Grâce aux principes FAIR et aux approches normalisées de la diffusion de données, la recherche en IA pour la radio-oncologie n’a rien à perdre et tout à gagner!

Vous pouvez lire la version complète de l’article ici (disponible uniquement en anglais).

Cet article a examiné l’intelligence artificielle (IA) en mettant l’accent sur son applicabilité potentielle en radio-oncologie. Il s’est avéré que l’amélioration de l’efficacité des processus et la prévention d’erreurs étaient les contributions les plus importantes de l’IA en radio-oncologie. Il est apparu que la prévention d’erreurs était la plus efficace lorsque les processus de transfert de données étaient automatisés et lorsque les décisions opérationnelles étaient basées sur des évaluations logiques ou apprises par le système.

Vous pouvez lire la version complète de l’article ici (disponible uniquement en anglais).

L’intelligence artificielle (IA) semble combler l’écart entre la collecte de données et son interprétation pertinente. Ces approches ont démontré des possibilités impressionnantes surpassant la plupart des méthodes de classification et de régression jusqu’à présent ainsi que leurs capacités à apprendre automatiquement la représentation des données la mieux adaptée pour le travail à effectuer et à présenter les résultats pour une meilleure corrélation. Cet article tente de sensibiliser les radio-oncologues praticiens pour leur faire comprendre le rôle éventuel de l’IA et ce qu’elle pourrait accomplir dans ce domaine. 

Vous pouvez lire la version complète de l’article ici (disponible uniquement en anglais).

L’intelligence artificielle (IA) a le potentiel de transformer le flux de travail clinique de la radiothérapie. Depuis l’introduction des réseaux de neurones profonds (RNP), beaucoup de méthodes basées sur l’IA ont été présentées pour relever les défis présents dans divers aspects de la radiothérapie. Les vendeurs commerciaux ont commencé à offrir des outils d’IA pouvant facilement être intégrés au flux de travail clinique déjà établi. Pour présenter les progrès récents en radiothérapie facilités par l’IA, nous avons examiné des études sur l’IA dans cinq domaines de la radiothérapie, y compris la reconstruction d’image, la superposition d’images, la segmentation d’images, la synthèse d’image et la planification de traitement automatique. Dans chaque section, nous résumons et catégorisons les méthodes publiées récemment, puis nous discutons des défis, préoccupations et développements futurs. Compte tenu du déploiement rapide de la radiothérapie assisté par l’IA, l’efficacité et l’efficience de la radiothérapie pourraient grandement être améliorées à l’avenir grâce à l’automatisation intelligente de divers aspects en radiothérapie. 

Vous pouvez lire la version complète de l’article ici (disponible uniquement en anglais).

Ces dernières années, l’intelligence artificielle (IA) a déjà été largement adoptée dans le domaine médical. Cet article résume les antécédents de l’IA et de la radiothérapie. Il explore ensuite les concepts de base de différents algorithmes d’IA et méthodes d’apprentissage automatique, comme les réseaux neuronaux, qui nous sont aujourd’hui disponibles, et la façon dont ils sont incorporés en radiothérapie et dans les processus de diagnostic, tels que l’imagerie médicale, la planification du traitement, la simulation sur patients, l’assurance de la qualité et l’administration de la dose d’irradiation. Cet article se concentre aussi sur la recherche en cours concernant les méthodes d’IA qui seront incorporées à la radiothérapie à l’avenir. Ce résumé montre que les progrès et l’avenir de l’IA sont très prometteurs en vue d’une utilisation généralisée dans divers domaines de la radiothérapie. Cependant, selon certaines préoccupations telles que la disponibilité et les risques de sécurité liés à l’utilisation des mégadonnées, ainsi que des travaux supplémentaires sur le perfectionnement et le test des algorithmes d’IA, il s’avère que nous ne sommes peut-être pas encore prêts à utiliser l’IA exclusivement en radiothérapie à l’heure actuelle.  

Vous pouvez lire la version complète de l’article ici (disponible uniquement en anglais).

Les progrès récents des capacités en informatiques ont facilité le développement de modèles de prévisions avancés pour évaluer les relations complexes au sein des données observationnelles, aussi connues sous le nom d’intelligence artificielle. La médecine est un des domaines de son application, et la radio-oncologie pourrait grandement en bénéficier, notamment pour les dossiers médicaux des patients, l’imagerie, la pathologie de base, la planification ou les données instrumentales. Les systèmes d’intelligence artificielle pourraient simplifier plusieurs étapes du flux de travail complexe de la radiothérapie, notamment la segmentation, la planification et l’administration. Toutefois, l’intelligence artificielle pourrait être considérée comme une « boîte noire » dont l’utilisateur humain pourrait ne comprendre que les prédictions d’entrée et de sortie, et il n’empêche que son application en pratique clinique demeure toutefois un défi. La faible transparence du système complet est problématique de plusieurs points de vue (éthiquement parlant notamment). Compte tenu de la complexité de cette question, nous avons recueilli les définitions de base pour aider les cliniciens à comprendre le contexte actuel et nous avons résumé les expériences de la mise en pratique d’intelligence artificielle au sein du flux de travail clinique en radiothérapie, afin de présenter son application du point de vue des cliniciens. 

Vous pouvez lire la version complète de l’article ici (disponible uniquement en anglais).

Sans les essais cliniques aléatoires, il est difficile d’élaborer des recommandations appropriées basées sur des preuves pour les lignes directrices pratiques en radiothérapie en raison du manque de données complètes réelles. Pour combler cette lacune, nous avons créé le consortium Learning from Analysis of Multicenter Big Data Aggregation afin de mettre en œuvre la normalisation des données de radiothérapie, de développer des solutions logicielles pour l’analyse des données, et de formuler des recommandations de changements dans la pratique clinique fondées sur des données probantes issues du monde réel. La première étape de cette étude de mégadonnées visait à caractériser la variabilité des modèles de pratique clinique des données dosimétriques pour les organismes à risque qui compromettraient l’utilisation ultérieure de données agrégées électroniquement à grande échelle pour caractériser les associations avec résultats. Les résultats de cette étude ont servi de base pour les recommandations pratiques visant à améliorer la qualité des données. 

Vous pouvez lire la version complète de l’article ici (disponible uniquement en anglais).

À l’heure actuelle l’intelligence artificielle (IA) fait son apparition dans différents domaines, y compris la médecine. En radio-oncologie notamment, les modèles d’apprentissage automatique facilitent l’automatisation et l’optimisation du flux de travail. Un manque de connaissances et d’interprétation de ces modèles d’IA peut entraver à l’utilisation généralisée et totale de celle-ci en pratique clinique. Pour faciliter l’intégration des modèles d’IA dans le flux de travail de la radiothérapie, des recommandations générales sur la mise en œuvre et l’assurance de la qualité des modèles d’IA sont présentées. Les concepts de base des applications couramment utilisées en radiothérapie, telles que la segmentation automatique, la planification automatisée du traitement, la planification automatisée du traitement et la tomographie synthétique, sont abordés en profondeur. L’accent est mis sur la mise en service, la mise en place et l’assurance de la qualité spécifique et systématique des modèles d’IA requis pour une mise en œuvre méthodique en pratique clinique. 

Vous pouvez lire la version complète de l’article ici (disponible uniquement en anglais).

Cette étude évalue la perception qu’ont les professionnels de la radiothérapie des risques et des avantages cliniques et professionnels, ainsi que l’évolution des rôles et des responsabilités liés à l’intelligence artificielle.

Vous pouvez lire la version complète de l’article ici (disponible uniquement en anglais).

Au cours des dernières décennies, les outils en intelligence artificielle (IA) ont été appliqués à beaucoup de domaines en médecine, offrant la possibilité de trouver de nouvelles solutions pour la gestion de problèmes très complexes et multifactoriels, tels que ceux que l’on retrouve couramment en radiothérapie. Nous avons effectué une recherche dans PubMed et Scopus pour identifier les champs d’application de l’IA en radiothérapie au cours des quatre dernières années. En tout, 1824 documents originaux ont été identifiés et 921 ont été analysés en tenant compte de la phase du flux de travail de la radiothérapie selon les approches d’IA appliquées. L’IA facilite le traitement de quantité importante d’information, de données et d’images stockées dans les systèmes d’information en radio-oncologie, processus qui ne pourrait pas être fait par des individus ou des groupes. L’IA facilite l’application répétée de tâches complexes dans de grands ensembles de données (par exemple, la délimitation des tissus normaux ou la recherche de solutions de planification optimales) et pourrait soutenir toute la communauté travaillant dans divers secteurs de la radiothérapie, tel qu’il est résumé dans cet article. Les outils d’IA figurent désormais sur la feuille de route de la radiothérapie et ont été appliqués à l’ensemble du flux de travail, notamment pour la segmentation, la production d’images synthétiques et la prédiction des résultats. Plusieurs préoccupations ont été soulevées, notamment la nécessité d’harmonisation tout en surmontant les obstacles éthiques, juridiques et technique.

Vous pouvez lire la version complète de l’article ici (disponible uniquement en anglais)