Les auteurs (Radboud University, Pays- Bas) ont développé un algorithme de Deep Learning « maison » spécifiquement entrainé à la reconnaissance de ces nodules, à partir d’une base de données locale comportant 166 lésions à la fois bénignes (n=78 : impactions mucoïdes, sang, nodules amyloïdes) et malignes (n = 88 : majoritairement des lésions primitives).
Les résultats obtenus, publiés en 2025 dans Eur Radiol [1] sont corrects, mais sans plus : la sensibilité globale était de 75,1% [67,6-81,6], au prix acceptable d’environ 0,5 faux positif par patient. C’est donc un résultat encourageant, mais qui n’a pas été validé/testé sur des données externes, et qui pour l’instant n’est pas intégré aux solutions commerciales actuelles.