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 hier 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

28 Avr

11:13

Une étude multicentrique prospective montre que le débruitage par intelligence artificielle améliore nettement la qualité des radiographies thoraciques à dose réduite d’environ 50 %, tout en préservant les caractéristiques structurelles des images.

7:03

La société BALT USA s'engage à verser 1 765 493 euros au Tresor public, suite à la signature de la convention judiciaire d'intérêt public (CJIP) avec le procureur de la République financier le 16 mars 2026. La société de fabrication de dispositifs médicaux avait elle-même diligentée une enquête interne pour des faits délictueux et averti les autorités françaises en 2023.

7:00

Essai clinique

À Nantes, trois essais cliniques pour repousser les limites de l’imagerie du cancer

Médical et technique

27 Avr

16:06

Edward Wolfgang Lee, radiologue interventionnel à l'Université de Californie Los Angeles (UCLA), a réalisé pour la première fois au monde un shunt splénorénal percutané chez un enfant de 6 ans atteint d'une sévère hypertension portale, annonce un communiqué de presse.

13:02

La réalisation en routine d'un scanner cérébral dans les 24 heures à 48 heures suivant le premier scanner chez un patient admis pour un traumatisme crânien léger est corrélée à une détérioration clinique mais n'affecte pas la prise en charge, conclut une étude présentée dans Emergency Radiology.

7:30

Un acquisition single-shot de ciné-IRM augmentée par intelligence artificielle produit une mesure de la fonction ventriculaire comparable à celle d'une acquisition de ciné-IRM conventionnelle. Particulièrement utile pour les patients arythmiques, selon un article de Radiology.