Apprentissage profond

Une IA de Google trie les radios thoraciques pour améliorer le flux de travail

Des chercheurs de Google Health ont entraîné et testé un système d’apprentissage profond capable de trier les examens de radiographie thoracique qui présentent des anomalies. Évalué dans le cadre d’une simulation de flux de travail, il a permis de réduire de 7 à 28 % le temps de prise en charge des cas anormaux.

icon réservé aux abonnésArticle réservé aux abonnés
Le 29/09/21 à 16:00, mise à jour aujourd'hui à 15:10 Lecture 3 min.

Le système de deep learning a été entraîné et réglé à l’aide d’une base de données de 248 445 patients d’un réseau de 5 groupes d’hôpitaux en Inde. © Nabulsi Z. et coll.

Les systèmes d’intelligence artificielle conçus pour analyser les radiographies thoraciques sont déjà nombreux. Pour la plupart, ils se concentrent sur la détection d’anomalies ou de pathologies spécifiques : pneumonies, épanchements pleuraux, etc. Pour Zaid Nabulsi et ses confrères de Google Health, la branche santé du géant de l’informatique, cette approche a le défaut de limiter leur utilité pour un centre ou un service de radiologie qui voudrait une assistance pour « prioriser » les patients et améliorer son flux de travail. Un algorithme conçu pour détecter une pathologie peut en effet passer à côté d’une autre et il est irréaliste d’imaginer agréger des systèmes multiples qui détecteraient chacun une ou plusieurs pathologies séparées, écrivent-ils dans la revue Scientific Reports [1].

Différencier les radios « normales » et « anormales »

Les chercheurs de la firme californienne ont donc opté pour une autre démarche, et développé un algorithme d’apprentissage profond capable de diff

Il vous reste 76% 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. Nabulsi Z., Sellergren A., Jamshy S. et coll., « Deep learning for distinguishing normal versus abnormal chest radiographs and generalization to two unseen diseases tuberculosis and COVID-19 », Scientific Reports, septembre 2021, vol. 11, n° 15553. DOI : https://doi.org/10.1038/s41598-021-93967-2.

Spécialité médicale

Pneumologie Urgence

Modalité d’imagerie

Radiologie conventionnelle

Mots-clés

intelligence artificielle

Discussion

Aucun commentaire

Laisser un commentaire

Sur le même thème

Le fil Docteur Imago

04 Juil

16:39

Une erreur de délinéation a conduit à délivrer la majorité du traitement par radiothérapie externe du cancer de la peau a un patient sur une localisation saine. L’incident, détecté à la 24e séance, s'est déroulé au centre d’oncologie et radiothérapie d’Eure-et-Loir (COREL) de Chartres. Rapporté et communiqué par l'ASNR, il a été classé au niveau 2 de l’échelle ASN-SFRO des événements en radiothérapie, graduée de 0 à 7 par ordre croissant de gravité.

13:09

La HAS a reconduit pour un nouveau mandat de 3 ans les membres de la commission recommandations, pertinence, parcours et indicateurs (CRPPI). En plus des 18 membres d'origine, dont la radiologue du CHU de Lille Anne Cotten, la commission a été enrichie de 6 nouveaux, notamment en santé mentale et psychiatrie, indique un communiqué.

7:45

La substance active Florbetaben (18F), servant au diagnostic de l’amylose de la transthyrétine, a reçu la désignation « orphelin » de l’Agence européenne des médicaments le 22 mai 2025. Ce statut n’autorise pas la vente en UE mais permet la recherche avec des essais cliniques.

7:00

03 Juil

17:55

Gleamer annonce dans un communiqué de presse le lancement de LungCT® et BoneCT®, les deux premières applications de sa suite Oncoview®. Soutenus par l’initiative France2030, ces outils d’intelligence artificielle ont pour objectif d’aider les radiologues dans la détection précoce des cancers.

13:00

L'utilisation du gadopiclénol pourrait faciliter la réduction de l'exposition cumulative au gadolinium chez les enfants qui passent des examens IRM en série. Selon une étude rétrospective basée sur l’analyse de 38 cas par 2 neuroradiologues, l’agent macrocyclique à haute relaxivité permet des résultats semblables de ratio de contraste comparé aux autres agents disponibles sur le marché.
✕
Docteur Imago

GRATUIT
VOIR