Apprentissage profond

Une IA de Google trie les radios thoraciques pour améliorer le flux de travail

Des chercheurs de Google Health ont entraîné et testé un système d’apprentissage profond capable de trier les examens de radiographie thoracique qui présentent des anomalies. Évalué dans le cadre d’une simulation de flux de travail, il a permis de réduire de 7 à 28 % le temps de prise en charge des cas anormaux.

icon réservé aux abonnésArticle réservé aux abonnés
Le 29/09/21 à 16:00, mise à jour aujourd'hui à 15:12 Lecture 3 min.

Le système de deep learning a été entraîné et réglé à l’aide d’une base de données de 248 445 patients d’un réseau de 5 groupes d’hôpitaux en Inde. © Nabulsi Z. et coll.

Les systèmes d’intelligence artificielle conçus pour analyser les radiographies thoraciques sont déjà nombreux. Pour la plupart, ils se concentrent sur la détection d’anomalies ou de pathologies spécifiques : pneumonies, épanchements pleuraux, etc. Pour Zaid Nabulsi et ses confrères de Google Health, la branche santé du géant de l’informatique, cette approche a le défaut de limiter leur utilité pour un centre ou un service de radiologie qui voudrait une assistance pour « prioriser » les patients et améliorer son flux de travail. Un algorithme conçu pour détecter une pathologie peut en effet passer à côté d’une autre et il est irréaliste d’imaginer agréger des systèmes multiples qui détecteraient chacun une ou plusieurs pathologies séparées, écrivent-ils dans la revue Scientific Reports [1].

Différencier les radios « normales » et « anormales »

Les chercheurs de la firme californienne ont donc opté pour une autre démarche, et développé un algorithme d’apprentissage profond capable de diff

Il vous reste 76% de l’article à lire

Docteur Imago réserve cet article à ses abonnés

S'abonner à l'édition
  • Tous les contenus « abonnés » en illimité
  • Le journal numérique en avant-première
  • Newsletters exclusives, club abonnés

Abonnez-vous !

Docteur Imago en illimité sur desktop, tablette, smartphone, une offre 100% numérique

Offre mensuelle 100 % numérique

23 €

par mois

S’abonner à Docteur Imago

Auteurs

Jérome Hoff

Rédacteur en chef adjoint BOM Presse Clichy

Voir la fiche de l’auteur

Bibliographie

  1. Nabulsi Z., Sellergren A., Jamshy S. et coll., « Deep learning for distinguishing normal versus abnormal chest radiographs and generalization to two unseen diseases tuberculosis and COVID-19 », Scientific Reports, septembre 2021, vol. 11, n° 15553. DOI : https://doi.org/10.1038/s41598-021-93967-2.

Spécialité médicale

Pneumologie Urgence

Modalité d’imagerie

Radiologie conventionnelle

Mots-clés

intelligence artificielle

Discussion

Aucun commentaire

Laisser un commentaire

Sur le même thème

Le fil Docteur Imago

10 Sep

16:36

Un parcours de soins permettant à des radiologues généralistes d'orienter les patientes présentant des incidentalomes en imagerie mammaire vers un radiologue spécialisé aurait permis de réduire de 50 % les orientations non nécessaires vers les services cliniques de sénologie (étude).

13:13

Un sondage de l'Association canadienne des radiologues (CAR) sur la participation aux RCP rapporte des difficultés récurrentes telles que l'ajout de cas de dernière minute, le manque de temps de préparation, les obstacles technologiques et l'absence de rémunération (étude).  

7:09

Le scanner thoracique basse dose pourrait être une alternative au scanner abdominal pour la segmentation volumique du foie dans la prise en charge de la stéatose hépatique (étude).

7:00

09 Sep

15:00

L'interprétation assistée par intelligence artificielle des scanners de dépistage du cancer du poumon peut améliorer le rendement quand les volumes d'examens sont importants mais devrait servir d'outil d'aide à la décision plutôt que de substitut au radiologue expert, concluent dans Radiography des chercheurs du Fatima College of Health Science, à Abu Dhabi.

12:36

Chez les patients atteints de sténose athéroscléreuse intracrânienne la réalisation d'une thérapie endovasculaire (angioplastie, etc.) en complément de la thérapie médicale conventionnelle aggrave les risques de mortalité et d'AVC, conclut une méta-analyse présentée dans Neuroradiology.
✕
Docteur Imago

GRATUIT
VOIR