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 le 11/09/23 à 13:23 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.

Mots-clés

intelligence artificielle

Discussion

Aucun commentaire

Laisser un commentaire

Sur le même thème

Le fil Docteur Imago

18 Sep

7:09

Dans un communiqué publié sur son site internet, la FNMR annonce un certain nombres d’actions pour le dépistage du cancer du sein. Ainsi, pour Octobre Rose, les radiologues sont invités à diffuser largement les différents visuels mis en place à cette occasion pour encourager les femmes à se faire dépister.

7:00

17 Sep

15:14

La TEP-TDM des récepteurs de la somatostatine a montré une sensibilité parfaite pour détecter les méningiomes intracrâniens dans une étude rétrospective incluant 8 077 examens. Les auteurs ont toutefois relevé un taux de faux positifs de 2,9 %.

15:00

13:14

La première édition des rencontres nationales des centres de thrombectomie de Mention A (CMA 2026) aura lieu les 22 et 23 janvier 2026, au Mercure La Rochelle Vieux Port.

7:30

Aux États-Unis, les hôpitaux et les centres d'imagerie adossés à des fonds de capital-investissement (private equity) facturent leurs prestations d'imagerie à des tarifs moyens respectivement plus élevés de 43 % et 15,9 % que les cabinets indépendants, selon une enquête à lire dans JACR. Ces tarifs sont négociés avec les compagnies d'assurance.
✕
Docteur Imago

GRATUIT
VOIR