Un algorithme exploite la singularité des radiographies thoraciques pour renforcer l’identitovigilance

L'identification possible des patients à partir de leurs images radiologiques constitue un risque pour leur anonymat et leur vie privée, comme l'ont déjà montré plusieurs études. Et si cette faiblesse se transformait en force dans le domaine de l'identitovigilance ? C'est ce que semble indiquer la publication le 12 juin dans Journal of Digital Imaging d'une étude japonaise testant l'efficacité d'un algorithme d'apprentissage profond dans la validation de l'identité de patients à partir de précédentes radiographies thoraciques [1].

Quatre bases de données de tests

Afin de développer cet algorithme de reconnaissance, les auteurs de l'étude ont utilisé un modèle d'apprentissage profond entraîné et validé sur la base de données ChetX-Ray8 (57 452 images thoraciques de 3245 patients), puis testé sur deux bases de données publiques – PadChest, 19 713 images de 6376 patients et CheXpert, 32 972 images de 10 224 patients – et deux bases de données cliniques – ML, 81 109 images de 1 366 patients