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 15:14 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

03 Juil

17:52

Le gouvernement a confirmé l'installation d'un TEP Scan en Corse, confronté à une pénurie de professionnels de santé dans plusieurs territoires de l'île. Jean-Jacques Panunzi, le sénateur de Corse-du-Sud a ainsi rappelé le 11 juin dernier que l'accès aux soins et aux infrastructures médicales demeure « l'une des préoccupations centrales des Corses », informe le média Corse Net Infos.

7:56

La plupart des patients estiment qu’ils devraient savoir si l’IA est utilisée pour générer leurs rapports d’imagerie médicale, selon une enquête publiée dans Radiology.
02 Juil

16:36

Une étude publié dans Nature présente AR-VIU, une plateforme de réalité augmentée qui affiche en temps réel des échographies 3D volumétriques, facilitant la perception de l’anatomie et l’interprétation des images. Les résultats montrent qu’elle améliore significativement la précision des utilisateurs, réduit les écarts de performance entre novices et experts, et accélère l’apprentissage de l’échographie.

7:28

Selon une étude, 8 % des femmes sans antécédent cardiovasculaire majeur présentent des calcifications artérielles mammaires (BAC) au dépistage mammographique. Leur signalement pourrait constituer une opportunité de dépistage précoce du risque cardiovasculaire et orienter vers une évaluation préventive.
Docteur Imago

GRATUIT
VOIR