Développement des algorithmes

Comment améliorer les challenges en intelligence artificielle ?

Au congrès de l’ECR 2020, Lena Maier-Hein, professeur de sciences informatiques, a proposé de faire évoluer les méthodes de conception et de compte rendu des challenges d’analyse automatique d’images biomédicales. Leur manque de rigueur et de précision perturberait aujourd’hui l’interprétation et la reproductibilité des résultats.

icon réservé aux abonnésArticle réservé aux abonnés
Le 18/07/20 à 15:00, mise à jour hier à 14:14 Lecture 4 min.

Dans les challenges d'intelligence artificielle en imagerie médicale, « le gagnant n’est pas toujours le meilleur », affirme Lena Maier-Hein, qui dirige le département des interventions médicales assistées par ordinateur du Centre allemand de recherche sur le cancer (photo d'illustration). © Carla Ferrand

Les challenges se multiplient ces dernières années en intelligence artificielle appliquée à l’imagerie médicale. Mercredi 15 juillet, une session du Congrès européen de radiologie (ECR) s’est intéressée à la méthodologie de ces concours. De façon classique, leurs organisateurs définissent une problématique, une base de données, et évaluent objectivement les performances des algorithmes développés par les participants. Mais pour Lena Maier-Hein, qui dirige le département des interventions médicales assistées par ordinateur du Centre allemand de recherche sur le cancer, « le gagnant n’est pas toujours le meilleur ». De nombreuses erreurs viendraient en effet perturber les classements.

Bien définir ses indicateurs

Elles commenceraient dès la conception des challenges, affirme cette professeure de sciences informatiques, à l’appui d’une étude internationale qu’elle a dirigée et qui a analysé plus de 500 de ces compétitions [1]. « Leurs concepteurs ne réfléchissent pas assez aux indicateurs d

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. Maier-Hein L., Eisenmann M., Reinke A. et coll., « Why rankings of biomedical image analysis competitions should be interpreted with care », Nature Communications, 2018, vol. 9. DOI : 10.1038/s41467-018-07619-7.
  2. Maier-Hein L., Reinke A., Kozubek M. et coll., « BIAS: transparent reporting of biomedical image analysis challenges », Med Image Anal, 2020.
  3. Wiesenfarth M., Reinke A., Landman B. A. et coll., « Methods and open-source tookits for analyzing and visualizing challenge results », ArXiv, 10 novembre 2019. https://arxiv.org/pdf/1910.05121v1.pdf. Consulté le 17 juillet 2020.

Mots-clés

intelligence artificielle ECR 2020

Discussion

Aucun commentaire

Laisser un commentaire

Sur le même thème

Dans le dossier

icon réservé aux abonnés Ce qu’il fallait retenir de l’ECR 2020

Voir le dossier

Le fil Docteur Imago

05 Déc

7:09

La seconde interprétation des examens de médecine nucléaire pédiatrique par des radiopédiatres spécialisés en médecine nucléaire a entraîné des changements susceptibles d'avoir un impact sur la prise en charge clinique dans 17 % des cas (étude).

7:00

04 Déc

16:10

Une étude, présentée au RSNA, a révélé que l'obésité abdominale, parfois appelée « ventre à bière », est associée à des modifications de la structure cardiaque en plus du poids, en particulier chez les hommes. Ces résultat mettent également en lumière les mesures que les patients et les médecins peuvent prendre pour identifier les risques potentiels et intervenir plus tôt afin de protéger le cœur.

15:00

11:00

La forme du muscle grand fessier change de différentes manières avec l’âge, le mode de vie, l’ostéoporose ou le diabète de type 2, et ces changements diffèrent entre les femmes et les hommes, selon une nouvelle étude présentée lors du RSNA. (Etude)

7:11

Un modèle de deep learning a amélioré la qualité d'image de l'IRM à faible dose de contraste pour l'imagerie de la citerne de l'angle ponto-cérébelleux, permettant la détection des lésions et la caractérisation diagnostique avec 10 à 30 % de la dose standard (étude).
✕
Docteur Imago

GRATUIT
VOIR