MRI is essential in the management of brain tumours. However, long waiting times reduce patient accessibility. Reducing acquisition time could improve access but at the cost of spatial resolution and diagnostic quality. A commercially available artificial intelligence (AI) solution, SubtleMR™, can increase the resolution of acquired images. The objective of this prospective study was to evaluate the impact of this algorithm that halves the acquisition time on the detectability of brain lesions in radiology and radiotherapy.

The T1/T2 MRI of 33 patients with brain metastases or meningiomas were analysed. Images acquired quickly have a matrix divided by two which halves the acquisition time. The visual quality and lesion detectability of the AI images were evaluated by radiologists and radiation oncologist as well as pixel intensity and lesions size.

The subjective quality of the image is lower for the AI images compared to the reference images. However, the analysis of lesion detectability shows a specificity of 1 and a sensitivity of 0.92 and 0.77 for radiology and radiotherapy respectively. Undetected lesions on the IA image are lesions with a diameter less than 4mm and statistically low average gadolinium-enhancement contrast.

It is possible to reduce MRI acquisition times by half using the commercial algorithm to restore the characteristics of the image and obtain good specificity and sensitivity for lesions with a diameter greater than 4mm.

L’IRM est essentielle dans la prise en charge des tumeurs cérébrales. Cependant, les longs délais d’attente réduisent l’accessibilité des patients à cette modalité. La réduction du temps d’acquisition pourrait améliorer l’accès, mais au détriment de la résolution spatiale et de la qualité du diagnostic. Une solution d’intelligence artificielle disponible dans le commerce, SubtleMR™, peut augmenter la résolution des images acquises. L’objectif de cette étude prospective était d’évaluer l’impact de cet algorithme qui divise par deux le temps d’acquisition sur la détectabilité des lésions cérébrales en radiologie et radiothérapie.

Les IRM pondérées en T1/T2 de 33 patients atteints de métastases cérébrales ou de méningiomes ont été analysées. Les images acquises rapidement possèdent une matrice divisée par deux qui divise par deux le temps d’acquisition. La qualité visuelle et la détectabilité des lésions des images d’intelligence artificielle ont été évaluées par des radiologues et des radiothérapeutes, ainsi que l’intensité des pixels et la taille des lésions.

La qualité subjective de l’image est inférieure pour les images d’intelligence artificielle par rapport aux images de référence. Cependant, l’analyse de la détectabilité des lésions montre une spécificité de 1 et une sensibilité de 0,92 et 0,77 respectivement pour la radiologie et la radiothérapie. Les lésions non détectées sur l’image d’intelligence artificielle sont des lésions d’un diamètre inférieur à 4mm et d’un contraste de rehaussement moyen significativement plus faible après injection de gadolinium.

Il est possible de diviser par deux les temps d’acquisition de l’IRM en utilisant l’algorithme commercial pour restituer les caractéristiques de l’image et obtenir une bonne spécificité et sensibilité pour les lésions de diamètre supérieur à 4mm.