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.

icon réservé aux abonnésArticle réservé aux abonnés
Le 20/09/22 à 15:00, mise à jour aujourd'hui à 15:12 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

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

François Mallordy

Journaliste rédacteur spécialisé

Voir la fiche de l’auteur

Bibliographie

  1. 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

Laisser un commentaire

Sur le même thème

Le fil Docteur Imago

04 Juin

16:00

Une étude publiée dans Pediatric Radiology démontre que SonicDL, une technologie d’IRM cardiaque accélérée par intelligence artificielle, réduit le temps d’examen jusqu’à 87 % tout en conservant une qualité diagnostique élevée.

13:00

Une étude publiée dans phiRO démontre qu’une nouvelle technique de reconstruction d’images par intelligence artificielle (SR-DLR) permet de réduire significativement la dose de rayonnement lors des scanners cardiaques pédiatriques. Malgré une irradiation jusqu’à trois fois plus faible, la qualité des images reste comparable à celle obtenue avec les méthodes conventionnelles, avec une résolution spatiale améliorée.

7:30

Aux Pays-Bas, l’utilisation de l’IRM avant biopsie prostatique chez les hommes suspectés de cancer de la prostate est passée de 17 % à 74 % entre 2015 et 2023, avec une diminution progressive des disparités entre hôpitaux, indique une étude parue dans Insights into Imaging.
03 Juin

16:47

L'acquisition d'image retardée après injection de produit de contraste dans les scanners pancréatiques améliorerait la détection précoce du cancer de type PDAC. Une acquisition retardée de 3 minutes reconstruite à 40 keV serait le paramètre le plus performant et pratique dans le flux de travail du radiologue. (Etude).
Docteur Imago

GRATUIT
VOIR