Lunit et Agfa Radiology Solutions ont annoncé l'intégration de la solution d'IA de Lunit pour la radiologie thoracique, Lunit INSIGHT CXR, dans la station de travail MUSICA®
. Agfa présentera une démonstration du produit intégré lors du prochain Congrès européen de radiologie (ECR) 2023, qui se tiendra à Vienne, en Autriche, du 1er au 5 mars. Lunit INSIGHT CXR détecte les lésions suspectes dans les images de radiographie pulmonaire, aidant les radiologues à distinguer les zones de maladie en fournissant l'emplacement de la lésion avec un score d'anomalie qui reflète le niveau de confiance de l'IA. La solution d'IA peut détecter 10 des anomalies thoraciques les plus courantes, y compris la tuberculose, avec une précision de 97 à 99 % Le nouveau flux de travail des résultats critiques pour les cliniciens par Lunit et Agfa fournit des notifications automatiques aux radiographes lorsqu'une maladie critique, mettant la vie en danger, est détectée, comme un pneumothorax, un épanchement pleural et un pneumopéritoine. Ainsi, les hôpitaux peuvent améliorer la sécurité des patients grâce à une communication opportune avec les cliniciens, notamment dans les établissements ambulatoires où les patients rentrent chez eux après des examens radiologiques. La station de travail MUSICA® d'Agfa est un logiciel de traitement d'images qui propose une interface intuitive unique couvrant la radiographie générale, la fluoroscopie, la mammographie et la colonne vertébrale complète (FLFS). L'intégration de Lunit INSIGHT CXR est la première d'une série de nouvelles fonctionnalités qui seront intégrées à la station de travail MUSICA® pour aider les cliniciens et les radiologues à détecter les pathologies. La solution intégrée fera l'objet d'une démonstration publique pour la première fois sur le stand d'Agfa #207. Lunit a également annoncé qu'elle présentera un poster mettant en évidence la capacité de Lunit INSIGHT CXR à différencier les radiographies pulmonaires normales et anormales - l'une des 6 présentations que Lunit fera à l'ECR 2023. L'étude visait à automatiser la détection des radiographies thoraciques normales et anormales, en les supprimant de la liste de travail des radiologues. Lunit INSIGHT CXR a été utilisé pour analyser rétrospectivement 1 671 images radiographiques provenant de deux grands hôpitaux des Pays-Bas. Les données ont été collectées consécutivement sans aucun enrichissement des données, imitant ainsi les cas d'utilisation du monde réel. Les images radiologiques ont été initialement examinées et classées par un radiologue selon 5 catégories : normal (548), résultats cliniquement non pertinents (281), résultats cliniquement pertinents (327), résultats urgents (494) et résultats critiques (21). Lunit INSIGHT CXR a montré une AUC très élevée de 0,908 pour la détection des cas normaux et à une spécificité élevée de 95 %, il a été simulé qu'environ la moitié des radiographies normales pouvaient être retirées de la liste de travail en toute sécurité. Par conséquent, les résultats montrent que la charge de travail du radiologue pourrait être considérablement réduite grâce à l'utilisation de l'IA.