Intelligence artificielle

Comment limiter les biais dans la gestion des données de radiologie en apprentissage automatique ?

En apprentissage automatique, la gestion des données représente une étape cruciale dans le développement de nouveaux algorithmes. Un article publié le 24 août dans Radiology : Artificial Intelligence résume les différents biais qui peuvent peser sur le traitement des données au début du développement d'une nouvelle IA, et les moyens d'y faire face.

Article réservé aux abonnés

Le 20/09/22 à 15:00, mise à jour aujourd'hui à 15:11 Lecture 3 min.

Plusieurs risques de biais menacent la gestion des données radiologiques en amont de la création d'une IA, que ce soit au moment de leur sélection, de leur vérification ou de leur affectation aux différentes étapes du développement (photo d'illustration). Mike MacKenzie | CC BY 2.0 (no changes made)

Quels biais menacent la conception de bonnes IA basées sur l'apprentissage automatique en radiologie ? Une équipe de chercheurs étasuniens de la Mayo Clinic à Rochester (Minnesota) a publié le 24 août dans Radiology : Artificial Intelligence un inventaire des biais propres à la gestion des données radiologiques en amont de la création d'une IA, ainsi que de leurs antidotes [1]. Ce papier constitue la première partie d'une série de trois articles destinés à vulgariser auprès des radiologues les biais à prendre en compte dans le développement d'une IA utilisant l'apprentissage automatique.

Quatre étapes de gestion des données à contrôler

Par gestion des données, les auteurs entendent tous les processus impliquant la manipulation de données radiologiques entre l'idée initiale de créer une nouvelle IA et le développement du modèle d'apprentissage automatique correspondant. Quatre étapes successives relèvent de la gestion de données : la collecte d'un jeu de données radiologiques, l'analyse d

Il vous reste 79% de l’article à lire

Docteur Imago réserve cet article à ses abonnés

Vous avez déjà un compte ? Se connecter

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

François Mallordy

Journaliste rédacteur spécialisé

Voir la fiche de l’auteur

Bibliographie

Rouzrokh P., Khosravi B., Faghani S. et coll., « Mitigating bias in radiology machine learning : 1. Data Handling », Radiology : Artificial Intelligence, août 2022, vol. 4, n° 5. DOI : t10.1148/ryai.210290.

Discussion

Aucun commentaire

Commenter cet article

Laisser un commentaire Annuler la réponse

You must be logged in to post a comment.

Le fil Docteur Imago

04 Août

16:00

L'éditeur de logiciels Dedalus annonce avoir été retenu par le GIP SESAN, opérateur régional des services e-santé en Ile-de-France, pour la conception, le déploiement, la maintenance et l'exploitation du futur Service Régional reposant sur la DRIMbox-ProxyMage.

14:27

Il y a quelques jours, une délégation de la FNMR a été reçue par Mickael Benzaqui, le conseiller santé du Premier ministre pour discuter de la place centrale de l'imagerie médicale, des forfaits techniques et du plan pertinence de la fédération (communiqué).

7:21

La Fédération Nationale des Médecins Radiologues (FNMR) lance une consultation citoyenne pour recueillir la parole des radiologues, des médecins généralistes et spécialistes, et des patients sur l'avenir de l'imagerie médicale en France.

7:00

Réaction

« La recherche de solutions organisationnelles est légitime mais ne doit pas conduire à une redéfinition du périmètre médical de l’arthrographie »

Points de vue

03 Août

17:00

Une étude européenne met en évidence une grande hétérogénéité des pratiques de formation au dépistage du cancer du poumon par scanner à faible dose, ainsi que des lacunes importantes, notamment dans la gestion des résultats incidentels, des nodules pulmonaires, l’utilisation de l’IA et la communication avec les patients. Elle souligne la nécessité de développer un programme de formation européen harmonisé afin de renforcer les compétences des professionnels de santé impliqués dans le dépistage.

11:00

Un modèle prédictif basé sur une IRM pourrait aider à prédire les conséquences cardiovasculaires indésirables chez les patients diabétiques, selon une étude publiée dans Radiology.