Concours sur l'IA

Objectif atteint pour le Data Challenge aux JFR

Le concours en intelligence artificielle proposé par la Société française de radiologie a récompensé quatre équipes. Pour les organisateurs et les participants, c’est un succès, qui a permis de mettre en contact les radiologues, les étudiants, et les start-up spécialisées dans le domaine.

Le 16/10/18 à 15:00, mise à jour aujourd'hui à 15:09 Lecture 2 min.

« On a réussi à embarquer tout le monde, les radiologues, les chercheurs, les écoles et les industriels », se réjouit Nathalie Lassau, coordinatrice du Data Challenge. © B. B.

3 500 cas patients, 45 centres de radiologie impliqués, 26 équipes. L’objectif est atteint pour la Société française de radiologie : « Nous avons réussi à embarquer tout le monde, les radiologues, les chercheurs, les écoles et les industriels », se réjouit Nathalie Lassau, radiologue à Gustave-Roussy, quelques heures après la fin du « Data Challenge intelligence artificielle et imagerie médicale », dont elle est la coordinatrice. La première édition de cette compétition s’est tenue pendant les Journées francophones de radiologie, du 12 au 15 octobre 2018, à Paris.

Un engouement inédit

Tout a commencé au RSNA 2017, quand Nathalie Lassau s’est rendu compte que l’intelligence artificielle suscitait un engouement inédit. « Les sessions étaient complètes une demi-heure à l’avance », se souvient-elle. « J’en ai parlé à Jean-François Méder, le président de la Société française de radiologie, qui m’a confié le projet en mars dernier. » Depuis, elle s’est alliée avec deux confrères et trois ingénieurs pour organiser ce « concours » d’intelligence artificielle.

Répondre à 5 questions cliniques

Comment mieux segmenter le cortex rénal au scanner pour évaluer le fonctionnement du rein ? Comment détecter et caractériser des tumeurs bénignes et malignes du foie en échographie ? Les équipes 26 participantes ont dû développer des algorithmes capables de répondre, au choix, à au moins une des cinq questions cliniques posées par les organisateurs. Pour ce faire, ils disposaient d’une base d’examens d’IRM, de scanner et d’échographie, collectés auprès des services et cabinets français grâce à un appel à contribution. Le jury a évalué les performances des algorithmes à partir du paramètre AUC (aire sous la courbe). Il fournit une mesure de la probabilité pour que le modèle artificiel classe correctement l’image analysée dans le cadre de la question posée.

3000 euros et une publication

Quatre équipes ont remporté le Data Challenge :

  • Lyphte pour le cortex rénal et le ménisque ;
  • Radioadvisor pour le ménisque ;
  • Owkinautes pour le foie et le sein ;
  • Synovia pour la thyroïde.

Elles ont reçu un prix de 3 000 euros de la SFR et une publication prochaine de leurs travaux dans le Journal de radiologie diagnostique et interventionnelle.

© Carla Ferrand

Les équipes gagnantes ont remporté 3 000 euros et une future publication dans un journal scientifique. © Carla Ferrand

Être « des acteurs de l’intelligence artificielle »

« Cette mobilisation de la radiologie est essentielle », commente Nathalie Lassau. « Nous ne voulons pas subir l’intelligence artificielle. Nous voulons être de véritables acteurs, pour être toujours plus proches des patients. » Les équipes participantes interrogées, enthousiastes à l’issue de ce challenge, souhaitent qu’une nouvelle édition soit organisée, avec un peu plus de cas patients. « Nous sommes très contents, car la rencontre s’est faite entre radiologues, étudiants et notre start-up », se réjouit Florence Moreau, responsable recherche et développement de Incepto Medical, une jeune pousse qui propose un portefeuille d’applications médicales. Pour la suite, rien n’est encore fixé.

Auteurs

Avatar photo

Benjamin Bassereau

Directeur de la rédaction BOM Presse Clichy

Voir la fiche de l’auteur

Discussion

Aucun commentaire

Laisser un commentaire

Sur le même thème

Le fil Docteur Imago

06 Mai

16:07

Une étude a relevé des « différences significatives » de résultats entre deux solutions commerciales d'IA pour le calcul automatique des volumes du noyau et de la pénombre ischémique chez des patients atteints d'AVC (Viz.ai et RAPID.AI). Les chercheurs n'ont toutefois pas constaté de différence entre les deux logiciels dans l'évaluation de l'éligibilité à la thrombectomie selon les critères DEFUSE-3.

13:02

Des chercheurs de l'Ohio (États-Unis) ont développé et validé des modèles d'apprentissage profond pour la segmentation automatique du foie, de la rate et du pancréas sur examens des scanner pédiatrique. Les modèles de transfer learning entraînés à l'aide de bases de données publiques hétérogènes et affinés à l'aide de données institutionnelles ont donné les meilleurs résultats, écrivent-ils dans AJR.

7:30

Pour la recherche d'embolie pulmonaire aiguë, le scanner à comptage photonique permet d'examiner les patients avec les avantages de l'imagerie spectrale, y compris une imagerie morphologique de haute qualité et la perfusion pulmonaire pour tous les patients, tout en réduisant la dose de rayonnement de près de 50 % par rapport au détecteur à intégration d'énergie, selon une étude réalisée au CHU de Lille par l'équipe de Martine Rémy-Jardin. Lire notre article sur ce sujet.
Docteur Imago

GRATUIT
VOIR