Un algorithme combine l’imagerie et les données cliniques pour diagnostiquer le COVID-19 au scanner

Le scanner thoracique fait preuve d'une valeur prédictive négative limitée pour le diagnostic du COVID-19, certains patients pouvant présenter des examens normaux aux stades précoces de la maladie. Des chercheurs de la faculté de médecine Icahn, du Mount Sinai Hospital, à New York ont voulu combler cette lacune en développant un algorithme d’intelligence artificielle capable d’exploiter les données d’imagerie et les informations cliniques des patients.

Un réseau de neurones convolutif et des classificateurs

« Nous avons développé un réseau de neurones convolutif pour qu’il apprenne les caractéristiques de l’imagerie des patients COVID-19 sur le scanner initial, décrivent-ils dans la revue Nature [1]. Nous avons ensuite utilisé les classificateurs machines à vecteurs de support (SVM, support vector machine), forêt aléatoire (random forest) et perceptron multicouche (multilayer perceptron MLP) pour classer les patients atteints de COVID-19 en fonction des informations cliniques. » Ils ont