Intelligence artificielle

Comment limiter les biais dans la gestion des données de radiologie en apprentissage automatique ?

En apprentissage automatique, la gestion des données représente une étape cruciale dans le développement de nouveaux algorithmes. Un article publié le 24 août dans Radiology : Artificial Intelligence résume les différents biais qui peuvent peser sur le traitement des données au début du développement d'une nouvelle IA, et les moyens d'y faire face.

icon réservé aux abonnésArticle réservé aux abonnés
Le 20/09/22 à 15:00, mise à jour le 11/09/23 à 13:23 Lecture 3 min.

Plusieurs risques de biais menacent la gestion des données radiologiques en amont de la création d'une IA, que ce soit au moment de leur sélection, de leur vérification ou de leur affectation aux différentes étapes du développement (photo d'illustration). Mike MacKenzie | CC BY 2.0 (no changes made)

Quels biais menacent la conception de bonnes IA basées sur l'apprentissage automatique en radiologie ? Une équipe de chercheurs étasuniens de la Mayo Clinic à Rochester (Minnesota) a publié le 24 août dans Radiology : Artificial Intelligence un inventaire des biais propres à la gestion des données radiologiques en amont de la création d'une IA, ainsi que de leurs antidotes [1]. Ce papier constitue la première partie d'une série de trois articles destinés à vulgariser auprès des radiologues les biais à prendre en compte dans le développement d'une IA utilisant l'apprentissage automatique.

Quatre étapes de gestion des données à contrôler

Par gestion des données, les auteurs entendent tous les processus impliquant la manipulation de données radiologiques entre l'idée initiale de créer une nouvelle IA et le développement du modèle d'apprentissage automatique correspondant. Quatre étapes successives relèvent de la gestion de données : la collecte d'un jeu de données radiologiques, l'analyse d

Il vous reste 79% 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

François Mallordy

Journaliste rédacteur spécialisé

Voir la fiche de l’auteur

Bibliographie

  1. Rouzrokh P., Khosravi B., Faghani S. et coll., « Mitigating bias in radiology machine learning : 1. Data Handling », Radiology : Artificial Intelligence, août 2022, vol. 4, n° 5. DOI : t10.1148/ryai.210290.

Discussion

Aucun commentaire

Laisser un commentaire

Sur le même thème

Le fil Docteur Imago

25 Avr

17:06

L'antiaggrégant plaquettaire tirofiban administré par voie intraveineuse avant thrombectomie augmente significativement la proportion de patients recanalisés au premier passage (65 %, vs 48 % sans tirofiban), selon un essai randomisé chinois ouvert multicentrique en simple aveugle de phase 2 (200 patients inclus) paru dans JAMA Network Open.

11:13

Une étude publiée dans Radiology: Imaging Cancer révèle un soutien prudent à l'utilisation de l'intelligence artificielledans le dépistage du cancer du sein. Réalisée auprès d'une population diversifiée, l'enquête montre que la confiance envers l'IA varie selon les antécédents médicaux personnels et les facteurs sociodémographiques.

7:19

Un nouveau cabinet de radiologie a ouvert ses porte le 14 avril dernier à l’hypercentre de Montpellier. Ce cabinet propose désormais des examens d’IRM et de scanner, annonce Midilibre.fr
24 Avr

16:01

Un scénario de dépistage du cancer du poumon où le radiologue interprète seulement les scanners avec un résultat positif de l'IA peut réduire la charge de travail des praticiens tout en préservant la sensibilité, selon une étude rétrospective (366 sujets) d'AJR évaluant différents scénarios d'implémentation de l'IA dans le dépistage de ce cancer.
Docteur Imago

GRATUIT
VOIR