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 15:10 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

05 Oct

16:21

La présence d'une couronne échogène entourant une masse est associée à une tumeur maligne invasive et correspond à une évolution du carcinome canalaire in situ vers un cancer invasif d'après l'examen histopathologique postopératoire, selon une étude présentée dans Academic Radiology. Toutefois, elle n'apporte guère d'informations supplémentaires utiles aux radiologues sur le plan diagnostique ou pronostique.

15:00

Rôle du scanner

Diagnostic des pathologies aiguës digestives ou urinaires à expression pelvienne

Formation / Congrès

14:16

L'apprentissage machine utilisant des caractéristiques radiomiques des tissus adipeux épicardiques est prometteur pour prédire la fibrillation atriale, mais l'hétérogénéité des études sur le sujet freine encore son adoption en pratique clinique. Étude.

7:31

Les injections de corticostéroïdes guidées par échographie pourraient améliorer les résultats rapportés par les patients et réduire les événements indésirables dans le traitement du syndrome du canal carpien, ce qui soutient leur utilisation préférentielle par rapport aux injections guidées par repère anatomique lorsque l’expertise et les ressources nécessaires sont disponibles. (Etude)

7:00

Dépistage du cancer du poumon

Avec ses premiers participants, IMPULSION prend son élan

Grand Angle / Reportage

02 Oct

12:09

L’IA en radiologie peut réduire le temps de rendu des examens, notamment en radiographie traumatique et en IRM du genou mais la latence de l’infrastructure reste le principal frein à une utilisation clinique efficace (étude).