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 15:13 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

17 Avr

16:34

Un centre d’imagerie médicale « de pointe » ouvrira en 2027 à Valence-d’Agen (Tarn-et-Garonne), informe ladepeche.fr

14:33

Une revue systématique publiée dans Radiography conclut au fort potentiel de l’utilisation du jumeau numérique en IRM, notamment en cardiologie et en oncologie, malgré des limites dans les domaines de la formation, de la sécurité et de l’intégration opérationnelle.

7:12

Une étude publiée dans Radiography analyse l’utilisation du modèle d’apprentissage profond Att-U-Net pour segmenter les tissus pulmonaires et les tumeurs à partir d’images PET-CT, afin d’améliorer le diagnostic du cancer du poumon. Les résultats montrent de bonnes performances (DSC 0,81 et IoU 0,69), suggérant que ce modèle pourrait renforcer la précision clinique et faciliter la planification des traitements.

7:00

16 Avr

15:41

Mount Sinai est le premier au monde à utiliser le système TheraSphere™ Y-90 « Any Day Dosing », un traitement mini-invasif qui délivre directement des radiations aux tumeurs du foie via le sang. Cette innovation permet de traiter les patients plus rapidement et plus souvent dans la semaine, améliorant ainsi l’accès aux soins et réduisant les délais, annonce un communiqué. 

13:16

Une revue systématique et méta-analyse démontre que la mammographie avec contraste (CEM) présente une très forte valeur prédictive négative pour les asymétries non rehaussées, avec un risque de cancer extrêmement faible. En revanche, la présence de rehaussement est fortement associée à la malignité et permet d’améliorer la stratification du risque.
✕
Docteur Imago

GRATUIT
VOIR