ParIA : Développement d’un modèle d’interprétation automatique en scintigraphie parathyroïdienne

Objectif(s) de la recherche et intérêt pour la santé publique

Finalité de l'étude

Objectifs poursuivis

Domaines médicaux investigués

Bénéfices attendus

Cette étude vise à développer un outil automatisé d’aide à la décision médicale pour améliorer la fiabilité, la reproductibilité et l’accessibilité du diagnostic. Elle s’inscrit dans le cadre du développement d’algorithmes de détection assistée par IA pour optimiser la prise en charge des patients et alléger la charge de travail des médecins.

Etude rétrospective basée sur l’analyse de scintigraphies déjà réalisées. Les données seront extraites des dossiers médicaux pour entraîner et tester un modèle d’intelligence artificielle capable d’identifier automatiquement les glandes parathyroïdiennes hyperfonctionnelles sur les images de scintigraphie.

Objectif principal : Créer un modèle performant en utilisant les patients de 2019, 2020 et 2021,2022 et 2023 comme base d’entrainement/validation à l’exception de quelques patients de 2022 et 2023 qui constitueront la base de test.

Objectifs secondaires : Evaluer l’impact des pathologies thyroïdienne sur les performances du modèle.

Critère de jugement principal : Balanced accuracy du modèle d’interprétation (utilisation des patients de 2020-2021 comme base test).
Critères de jugement secondaires : Balanced accuracy en excluant les patients avec pathologie thyroïdienne.

Population étudiée : Patients nécessitant une scintigraphie parathyroïdienne pour hyperparathyroïdie primaire.
Critères d’inclusion : Patients ayant réalisé une scintigraphie parathyroïdienne pour hyperparathyroïdie primaire au CAL entre le 01/01/2019 et le 31/02/2023
Critères de non inclusion : Refus exprimé de l’utilisation des données médicales à des fins de recherche.