Information importante Le Groupe 3R a été victime d’une cyberattaque le jeudi 30 avril 2026 entraînant actuellement une disponibilité réduite de nos systèmes informatiques, avec diverses perturbations.

Tous nos centres sont ouverts, mais certains types d’examens doivent malheureusement être reprogrammés. Pour tous les rendez-vous fixés avant le 1er mai, nous vous encourageons à nous contacter afin de vérifier si votre examen pourra avoir lieu à la date prévue, ou si une solution alternative doit être trouvée.

Nous mettons tout en œuvre pour rétablir notre pleine capacité de prise en charge dans les meilleurs délais et vous remercions d’avance de votre compréhension et de votre patience durant cette période.
En savoir plus

Le Groupe 3R au MICCAI 2025 – Daejeon, Corée du Sud

Le 25 septembre 2025, notre équipe a eu le plaisir de présenter ses travaux lors du CLINICCAI at MICCAI 2025 – 5th Conference on Clinical Translation of Medical Image Computing & Computer Assisted Intervention, un événement satellite du MICCAI 2025, conférence internationale de référence dans le domaine de l’imagerie médicale assistée par intelligence artificielle.

En collaboration avec Lunit et plusieurs experts internationaux, le Groupe 3R a présenté la communication :

“Preclinical Multicenter Evaluation of Lunit INSIGHT CXR 4.0 – Advancing Chest X-ray AI Analysis”

Intervenants et collaborateurs :

Benoît Rizk, Natalie Heracleous, Dr Amine Korchi, Olivier Berrebi, Sergey Morozov

Contexte

La radiographie thoracique reste un outil essentiel du diagnostic médical. Cependant, dans un contexte marqué par une pénurie de radiologues et une augmentation du volume d’examens, son interprétation représente un défi croissant.

L’intelligence artificielle offre ici une opportunité stratégique pour soutenir les professionnels de santé, améliorer la précision diagnostique et fluidifier les processus cliniques.

Objectif de l’étude

Cette étude multicentrique visait à évaluer Lunit INSIGHT CXR 4.0, un algorithme de deep learning entraîné sur 1,2 million d’images.

Il est capable de détecter 11 anomalies thoraciques et intègre une fonctionnalité innovante : le “Normal Flagging”, permettant d’identifier automatiquement les radiographies normales.

Résultats clés

  • Fiabilité diagnostique : accord parfait (100 %) avec les radiologues pour les cas normaux, limitant les faux négatifs.
  • Optimisation du flux de travail : jusqu’à 40 % des radiographies normales peuvent être automatiquement filtrées, réduisant la charge de lecture.
  • Gain de temps et priorisation : meilleure organisation des cas complexes et réduction des délais diagnostiques.

Conclusion

Les résultats confirment que l’intelligence artificielle peut devenir un allié incontournable du diagnostic radiologique, contribuant à une médecine plus rapide, plus sûre et plus efficiente.

Déclaration de consentement aux cookies
En poursuivant votre navigation sur ce site, vous acceptez l'utilisation de cookies pour améliorer votre expérience utilisateur et réaliser des statistiques de visites. Vous pouvez personnaliser l'utilisation des cookies à l'aide du bouton ci-dessous.
Mes préférences