SUBREAM

Smart And Ultrafast Breast MR Imaging For Cancer Detection

2022 - 2025
En cours

Le cancer du sein est le cancer le plus fréquent et la principale cause de décès par cancer chez les femmes, avec une moyenne de 1'400 décès par an en Suisse. Bien que l'imagerie par résonance magnétique (IRM) présente la meilleure sensibilité, son utilisation pour le dépistage des patientes présentant des risques faibles à modérés est remise en question en raison de son coût élevé et de la disponibilité limitée des équipements. La philosophie du projet SUBREAM est de "faire mieux avec moins", en tirant parti de séquences IRM intelligentes et des avancées en intelligence artificielle. En effet, la pratique clinique actuelle de l'imagerie par résonance magnétique du sein repose encore fortement sur la caractérisation morphologique des lésions dans les images pré-contraste à haute résolution et l'imagerie de diffusion, et exploite des descripteurs élaborés manuellement à partir de la cinétique de contraste mesurée sur plusieurs séries DCE pondérées en T1 - ce qui conduit à des examens longs et sophistiqués qui peuvent encore caractériser à tort les lésions et être responsables de biopsies inutiles. Le projet SUBREAM étudiera un nouveau protocole IRM du sein visant à raccourcir de manière significative le temps d'acquisition et à améliorer les performances diagnostiques - en combinant les progrès récents de l'IA et des séquences IRM ultrarapides du sein.

Publications

Barriers and facilitators of implementation of AI

Lokaj, B., Pugliese, M.-P., Kinkel, K., Lovis, C., Schmid, J.

(2024). Barriers and facilitators of implementation of AI : Annual Scientific Meeting 2024, European Society of Breast Imaging (EUSOBI).

https://www.eusobi.org/congress/


Auteur(s) : Belinda Mataj-Lokaj Marie-Therese Pugliese Jérôme Schmid

Présentation orale

Comparative analysis of breast lesion classification with deep learning in dynamic MRI using different types of regions of interest

Lokaj, B., Durand De Gevigney, V., Djema, D.-A., Kinkel, K., Lovis, C., Schmid, J.

(2024). Comparative analysis of breast lesion classification with deep learning in dynamic MRI using different types of regions of interest : Swiss Congress of Radiology.

https://congress.sgr-ssr.ch/


Auteur(s) : Belinda Mataj-Lokaj Valentin Durand De Gevigney

Présentation orale

Efficient clinical information extraction from breast radiology reports in French

Zaghir, J., Lokaj, B., Kinkel, K., Djema, A. D., Turbe, H., Bjelogrlic, M., Durand de Gevigney, V., Schmid, J., Lovis, C., Goldman, J. P.

(2024). Efficient clinical information extraction from breast radiology reports in French : Studies in health technology and informatics.

https://doi.org/10.3233/SHTI240776


Auteur(s) : Belinda Mataj-Lokaj Valentin Durand De Gevigney Jérôme Schmid

Chapitre de livre

Efficient clinical information extraction from breast radiology reports in French

Zaghir, J., Lokaj, B., Kinkel, K., Djema, A.-D., Turbé, H., Bjelogrlic, M., Durand De Gevigney, V., Schmid, J., Lovis, C., Goldman, J.-P.

(2024). Efficient clinical information extraction from breast radiology reports in French : Medical Informatics Europe.

https://mie2024.org/


Auteur(s) : Belinda Mataj-Lokaj Valentin Durand De Gevigney Jérôme Schmid

Présentation orale

Enhancing breast lesion classification by integrating lesion characteristics and clinical data information with ultrafast MRI

Lokaj, B., Durand de Gevigney, V., Goldman, J.-P., Kinkel, K., Lovis, C., Zaghir, J., Djema, D.-A., Schmid, J.

(2024). Enhancing breast lesion classification by integrating lesion characteristics and clinical data information with ultrafast MRI : European Congress of Radiology 2024 (EPOS).

https://congress.sgr-ssr.ch/


Auteur(s) : Belinda Mataj-Lokaj Valentin Durand De Gevigney Jérôme Schmid

Présentation orale

Multimodal deep learning fusion of ultrafast-DCE MRI and clinical information for breast lesion classification

Lokaj, B., Durand de Gevigney, V., Djema, D. A., Zaghir, J., Goldman, J. P., Bjelogrlic, M., Turbe, H., Kinkel, K., Lovis, C., Schmid, J.

(2025). Multimodal deep learning fusion of ultrafast-DCE MRI and clinical information for breast lesion classification : Computers in biology and medicine.

https://doi.org/10.1016/j.compbiomed.2025.109721


Auteur(s) : Belinda Mataj-Lokaj Jérôme Schmid Valentin Durand De Gevigney

Article scientifique

Restez au courant de nos dernières actualités