Aller au contenu
DataPhyMed

Preuves et résultats

Cas d'études en physique médicale et data science

Ces exemples présentent le contexte, la méthode et les indicateurs disponibles. Les résultats dépendent du parc d'imagerie, des données accessibles et du contexte clinique.

Cas 1 · Optimisation CT · CHU Tenon / AP-HP

Réduire la dose sans dégrader la qualité image

75+

protocoles CT optimisés

28 %

réduction moyenne de dose

50 000+

examens suivis par an via DoseWatch et RDM

Contexte

Optimisation de protocoles CT dans un environnement hospitalier universitaire, avec suivi dosimétrique continu et prise en compte de la qualité diagnostique.

Intervention

Analyse statistique des protocoles, comparaison des indicateurs de dose (CTDIvol, PDL) et accompagnement des ajustements de paramètres d'acquisition et de reconstruction.

Limites

Les indicateurs sont liés au périmètre documenté et ne constituent pas une garantie de résultat identique pour un autre parc scanner.

Cas 2 · Automatisation NRD · CT et interventionnel (ASNR)

Rendre le suivi dosimétrique reproductible

2

périmètres : CT et interventionnel

3

étapes : extraction, analyse, restitution

100 %

objectif de couverture si les exports DACS sont complets

Contexte

Les contrôles NRD réglementaires (ASNR) nécessitent de traiter des indicateurs dosimétriques hétérogènes issus des DACS (DoseWatch, RDM) et des systèmes de suivi.

Intervention

Des scripts R open-source (CT_DRL, Interventional_DRL) extraient, nettoient et analysent les données, calculent les médianes et 75e percentiles, puis préparent la restitution.

Limites

La couverture dépend de la qualité, de la complétude et de la compatibilité des exports disponibles.

R / ggplot2 · Aperçu de livrable anonymisé (Pipeline CT_DRL)

Distribution des doses (PDL & CTDIvol) Avant / Après optimisation vs seuils ASNR

Patients adultes standards filtrés (IMC 18,5–30 kg/m², n ≥ 30 par protocole) · Comparaison aux NRD et Valeurs Guides Diagnostiques (VGD) nationaux.

Avant audit Après optimisation (-28 %) NRD ASNR VGD (Cible)
Graphique Boxplot R comparant la dispersion des PDL (mGy.cm) et CTDIvol avant et après optimisation DataPhyMed sur 4 examens scanner Quatre facettes (TDM Thorax, Abdomen-Pelvis, TAP, Encéphale) montrant la baisse des médianes de 26 à 29 % et le resserrement des intervalles interquartiles sous les Valeurs Guides Diagnostiques (VGD) et NRD de l'ASNR. TDM THORAX 0100200300400500 PDL (mGy·cm) NRD : 350 VGD : 275 335 (9,1 mGy) -29 % 238 (6,5 mGy) Avant Après ABDOMEN-PELVIS 0200400600800 NRD : 625 VGD : 500 610 (12,7 mGy) -28 % 440 (9,1 mGy) Avant Après THORAX-ABDO-PELVIS 02505007501000 NRD : 750 VGD : 625 730 (10,8 mGy) -28 % 525 (7,8 mGy) Avant Après TDM ENCÉPHALE 03006009001200 NRD : 850 VGD : 700 840 (45,5 mGy) -26 % 620 (33,5 mGy) Avant Après

Lecture : chaque boîte représente l'intervalle interquartile (P25–P75) et la médiane (trait horizontal épais + valeur en mGy·cm et CTDIvol médian entre parenthèses). L'harmonisation des protocoles et des paramètres d'acquisition/reconstruction permet simultanément d'abaisser la médiane sous la Valeur Guide Diagnostique (VGD ASNR) et de réduire fortement la dispersion inter-patients.

Cas 3 · R&D et qualité image

Relier recherche, données et validation clinique

13+

publications scientifiques

1

brevet GE HealthCare (US10966671B2)

2014–2026

période documentée de conférences

Contexte

Les projets d'innovation en imagerie doivent relier performance algorithmique, qualité image objective (task-based) et contraintes cliniques.

Intervention

Les travaux couvrent ProtoEnhance, la thèse de doctorat sur la qualité image CT, le Rapport SFPM n°41 (2023), la radiomique et la collaboration avec des industriels.

Sources

Thèse · Brevet · Publications

Évaluer votre contexte

La première étape consiste à qualifier vos données, votre parc et vos objectifs d'optimisation.

Parler à l'expert Voir la méthodologie