Intelligence artificielle

La recherche explore les possibilités des algorithmes contre le COVID-19

Dans le monde entier, des équipes de chercheurs tentent de développer des outils d’intelligence artificielle qui pourront aider les radiologues à détecter et évaluer le COVID-19 sur des examens de radiographie ou de scanner.

icon réservé aux abonnésArticle réservé aux abonnés
Le 07/05/20 à 15:00, mise à jour aujourd'hui à 15:13 Lecture 4 min.

Le modèle COVIDNet-CXR Small développé à l'aide du réseau de neurones COVIDNet aurait montré une sensibilité de 87,1 % et une valeur prédictive positive de 96,4 %, affirment ses développeurs. Wang L. et coll.

Les algorithmes seront-ils des alliés de poids contre le coronavirus ? Pour l’heure, seule une poignée de solutions est disponible dans le commerce, mais les chercheurs et les développeurs travaillent avec enthousiasme. « Il y a une ruée vers l’utilisation et l’exploration des possibilités de l’intelligence artificielle et d’autres outils d’analyse pour diagnostiquer, prédire et traiter le COVID-19 », constate l’économiste Wim Naudé dans un article du 1er avril [1].

Détecter la pneumonie sur les radiographies

Aux États-Unis, les médecins de UC San Diego Health, associés à Amazon Web Services, évaluent l’efficacité chez les patients COVID d’un algorithme développé par leurs soins pour détecter la pneumonie sur des radiographies du thorax.  « Environ 75 % des patients COVID-19 positifs hospitalisés développent une pneumonie virale, rappellent-ils dans la revue Journal of Thoracic Imaging [2]. La détection rapide de la pneumonie chez ces patients pourrait permettre une application rapide de

Il vous reste 84% 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. Naudé W., « Artificial intelligence against COVID-19: an early review », Towards Data Science, Medium, 1er avril 2020. https://towardsdatascience.com/artificial-intelligence-against-covid-19-an-early-review-92a8360edaba. Site consulté le 7 mai 2020.
  2. Hurt B., Kligerman S., Hsiao A., « Deep Learning Localization of Pneumonia 2019 Coronavirus (COVID-19) Outbreak », Journal of Thoracic Imaging, 20 mars 2020, publication anticipée en ligne. DOI : 0.1097/RTI.0000000000000512.
  3. Wang L., Lin Z. Q., Wong A., « A Tailored Deep Convolutional Neural Network Design for Detection of COVID-19 », arXiv.org, 2020, publication en ligne.
  4. Dans Bai H. X., Wang R., Xiong Z. et coll., « AI Augmentation of Radiologist Performance in Distinguishing COVID-19 from Pneumonia of Other Etiology on Chest CT », Radiology, 27 avril 2020, publication en ligne. DOI : 10.1148/radiol.2020201491.

Discussion

Aucun commentaire

Laisser un commentaire

Le fil Docteur Imago

30 Sep

15:38

Un nouveau centre d’imagerie médicale a été ouvert par Maine image santé à Sablé-sur-Sarthe (72) ce lundi 22 septembre 2025, annonce le média Ouest France.

13:09

Un article publié dans Insights into Imaging, fournit un consensus d’experts pour la biopsie des lésions mammaires et la re-biopsie en cas de discordance radiologique-pathologique ou de signes de potentiel malin incertain.

7:04

Dans une étude, des chercheurs ont développé et validé un modèle de stratification du risque pancréatique basé sur IRM pour la prédiction du pronostic et l’orientation thérapeutique de l’adénocarcinome canalaire pancréatique (PDAC). Ils ont de fait démontré que le modèle M-PRiSM prédit efficacement la survie globale postopératoire et identifie les patients PDAC susceptibles de bénéficier d’un traitement adjuvant.
29 Sep

16:03

Dans une étude présentée dans JACR, l'utilisation de comptes rendus préliminaires générés par IA a permis à 5 radiologues de réduire le temps d'interprétation des radiographies thoraciques (de 25,8 à 19,3 secondes en moyenne). Toutefois, des variations dans les scores de qualité, notamment pour les examens montrant des anomalies, soulèvent la nécessité d'une utilisation supervisée de l'IA, estiment les auteurs.
Docteur Imago

GRATUIT
VOIR