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 15:11 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

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

22 Avr

15:54

Vivien Thomson, président de la société de téléradiologie Imadis, annonce le développement de la télé-interprétation en médecine nucléaire et le recrutement de 40 nouveaux associés d'ici l'été 2026 (article).

15:00

12:57

Aux États-Unis, le nombre de postes d'internat en radiologie a augmenté de 33 % entre 2010 et 2025, et le nombre total d'internes en radiologie a augmenté de 23 % entre 2010 et 2024. Le nombre de radiologues en exercice a augmenté de 12 % entre 2010 et 2022, passant de 34 328 à 38 306 médecins (étude).

7:43

Chez des patients présentant une occlusion d'un gros vaisseau et traités par thrombectomie mécanique, une intervention réalisée plus de 24 heures après l'événement n'était pas significativement associée à des différences en termes d'efficacité ou de sécurité par rapport à une intervention réalisée dans les 24 heures (étude).  

7:00

21 Avr

16:00

La FNMR dévoile les résultats d'un sondage réalisé par l'Institut Cluster 17 : 90 % des Français considèrent que la radiologie joue un rôle important en matière de prévention et de dépistage, et 85 % jugent justifiés les investissements dans les équipements d'imagerie (communiqué).
✕
Docteur Imago

GRATUIT
VOIR