Intelligence artificielle

L’apprentissage profond diagnostique aussi bien que l’humain mais les études manquent de rigueur

Les comparaisons publiées dans la littérature scientifique montrent que le deep learning diagnostique les maladies aussi bien que les professionnels de santé à partir d’examens d’imagerie médicale ou d’histopathologie, selon une méta-analyse parue dans The Lancet Digital Health, qui relève par ailleurs que beaucoup d’études pêchent par leur méthodologie.

icon réservé aux abonnésArticle réservé aux abonnés
Le 31/10/19 à 16:00, mise à jour hier à 15:17 Lecture 2 min.

D'après les auteurs britanniques d'une méta-analyse sur les performances des algorithmes d'apprentissage profond, beaucoup de travaux présentent des lacunes méthodologiques (photo d'illustration). D. R.

Alors que les outils d’aide au diagnostic basés sur l’apprentissage profond (deep learning) commencent à s’installer dans les services et les cabinets, des chercheurs britanniques en ophtalmologie ont voulu faire le point sur leurs performances par rapport à celles des professionnels de santé. Dans le même temps, ils ont évalué la qualité des études qui analysent ces performances. « Les annonces de développement de modèles capables d’égaler ou de surpasser les performances diagnostiques des humains ont généré une excitation considérable, mais cet enthousiasme ne doit pas faire oublier le besoin d’évaluation critique », écrivent-ils dans la revue The Lancet Digital Health [1].

25 études incluses

Pour cette méta-analyse, qu’ils présentent comme la première du genre, ils ont sondé les bases Ovid-MELINE, Embase, Science Citation Index et Conference Proceedings à la recherche de tous les articles parus de janvier 2012 au 6 juin 2019 qui comparent les performances diagnostiques des algorithmes

Il vous reste 73% 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. Liu X., Faes L., Kale A. U. et coll., « A comparison of deep learning performance against health-care professionals in detecting diseases from medical imaging : a systematic review and meta-analysis », The Lancet Digital Health, 25 septembre 2019, vol. 1, n° 6. DOI : 10.1016/S2589-7500(19)30123-2.

Mots-clés

intelligence artificielle apprentissage profond

Discussion

Aucun commentaire

Laisser un commentaire

Sur le même thème

Le fil Docteur Imago

08 Oct

7:16

La Société nord-américaine de radiologie (RSNA) a annoncé début octobre le lancement de RSNA Ventures, une filiale dont la mission est d'encourager l'innovation dans les technologies d'imagerie.

7:00

07 Oct

11:38

Philips Healthcare lance cette année en France le logiciel de télémanipulation, Radiologie Operations Command Center, « On a commencé avec un premier centre en France, à Quimper. C'est la première étape d'une expérimentation et d'un déploiement en plusieurs vagues », annonce Cyril Hervy, responsable des ventes informatique.

11:26

Au congrès des JFR 2025, Philips Healthcare a présenté son nouveau système d’échographie, Philips Flash 5100 POC®, pouvant être déplacé au chevet du patient et utilisable « essentiellement en salle de radio interventionnelle pour le musculosquelettique, et les infiltrations », informe Nadia Ben Hamida, spécialiste échographe.

7:00

06 Oct

15:00

Didier Dormont, chef du service de neuroradiologie diagnostique et fonctionnelle à la Pitié-Salpêtrière - AP-HP, a reçu ce dimanche 5 octobre la médaille d'honneur de la Société française de radiologie (SFR).
✕
Docteur Imago

GRATUIT
VOIR