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 DÉCOUVERTE

11€

pendant 1 mois
puis 23 €/mois

S’abonner à Docteur Imago

Auteurs

François Mallordy

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.

Mots-clés

intelligence artificielle

Discussion

Aucun commentaire

Laisser un commentaire

Sur le même thème

Le fil Docteur Imago

03 Mai

16:30

Un modèle d’IA entraîné à l’aide de radiographies à fente debout dans un ensemble de données de patients pédiatriques a permis une prédiction plus précise de la croissance osseuse pédiatrique, utilisées dans l’imagerie par rayons X pour surveiller la scoliose, selon une étude publiée dans Radiology.

15:00

13:00

L’analyse de l'imagerie au scanner volumétrique est prometteuse pour déterminer la fonction pulmonaire pré et postopératoire chez les patients atteints d’un cancer du poumon subissant une lobectomie pulmonaire, et permet de prédire l’apparition de complications postopératoires, indique une étude.

7:30

Une étude publiée dans European Journal of Radiology démontre que le dépistage supplémentaire par IRM mammaire permet de détecter des cancers du sein précoces, qui pourraient être manqués à la mammographie, notamment chez les femmes aux seins denses.

7:00

02 Mai

16:01

Selon une étude pilote de dépistage du cancer du poumon menée dans l'Ontario (Canada) sur 4451 participants, l'adhésion annuelle était élevée (> 85 %), tandis que le taux de détection d'un cancer était de 2,4 % – parmi lesquels 79,2 % de cancers de stade précoce (étude ici).
✕
Docteur Imago

GRATUIT
VOIR