Intelligence artificielle

La recherche explore les possibilités des algorithmes contre le COVID-19

Dans le monde entier, des équipes de chercheurs tentent de développer des outils d’intelligence artificielle qui pourront aider les radiologues à détecter et évaluer le COVID-19 sur des examens de radiographie ou de scanner.

icon réservé aux abonnésArticle réservé aux abonnés
Le 07/05/20 à 15:00, mise à jour aujourd'hui à 15:14 Lecture 4 min.

Le modèle COVIDNet-CXR Small développé à l'aide du réseau de neurones COVIDNet aurait montré une sensibilité de 87,1 % et une valeur prédictive positive de 96,4 %, affirment ses développeurs. Wang L. et coll.

Les algorithmes seront-ils des alliés de poids contre le coronavirus ? Pour l’heure, seule une poignée de solutions est disponible dans le commerce, mais les chercheurs et les développeurs travaillent avec enthousiasme. « Il y a une ruée vers l’utilisation et l’exploration des possibilités de l’intelligence artificielle et d’autres outils d’analyse pour diagnostiquer, prédire et traiter le COVID-19 », constate l’économiste Wim Naudé dans un article du 1er avril [1].

Détecter la pneumonie sur les radiographies

Aux États-Unis, les médecins de UC San Diego Health, associés à Amazon Web Services, évaluent l’efficacité chez les patients COVID d’un algorithme développé par leurs soins pour détecter la pneumonie sur des radiographies du thorax.  « Environ 75 % des patients COVID-19 positifs hospitalisés développent une pneumonie virale, rappellent-ils dans la revue Journal of Thoracic Imaging [2]. La détection rapide de la pneumonie chez ces patients pourrait permettre une application rapide de

Il vous reste 84% 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

Jérome Hoff

Rédacteur en chef adjoint BOM Presse Clichy

Voir la fiche de l’auteur

Bibliographie

  1. Naudé W., « Artificial intelligence against COVID-19: an early review », Towards Data Science, Medium, 1er avril 2020. https://towardsdatascience.com/artificial-intelligence-against-covid-19-an-early-review-92a8360edaba. Site consulté le 7 mai 2020.
  2. Hurt B., Kligerman S., Hsiao A., « Deep Learning Localization of Pneumonia 2019 Coronavirus (COVID-19) Outbreak », Journal of Thoracic Imaging, 20 mars 2020, publication anticipée en ligne. DOI : 0.1097/RTI.0000000000000512.
  3. Wang L., Lin Z. Q., Wong A., « A Tailored Deep Convolutional Neural Network Design for Detection of COVID-19 », arXiv.org, 2020, publication en ligne.
  4. Dans Bai H. X., Wang R., Xiong Z. et coll., « AI Augmentation of Radiologist Performance in Distinguishing COVID-19 from Pneumonia of Other Etiology on Chest CT », Radiology, 27 avril 2020, publication en ligne. DOI : 10.1148/radiol.2020201491.

Spécialité médicale

Pneumologie

Modalité d’imagerie

Scanner Radiologie conventionnelle

Mots-clés

intelligence artificielle COVID-19 RSNA 20

Discussion

Aucun commentaire

Laisser un commentaire

Sur le même thème

Dans le dossier

icon réservé aux abonnés Les chercheurs contre le COVID-19

Voir le dossier

Dans le dossier

icon réservé aux abonnés Les algorithmes traquent le coronavirus

Voir le dossier

Le fil Docteur Imago

17 Avr

16:34

Un centre d’imagerie médicale « de pointe » ouvrira en 2027 à Valence-d’Agen (Tarn-et-Garonne), informe ladepeche.fr

14:33

Une revue systématique publiée dans Radiography conclut au fort potentiel de l’utilisation du jumeau numérique en IRM, notamment en cardiologie et en oncologie, malgré des limites dans les domaines de la formation, de la sécurité et de l’intégration opérationnelle.

7:12

Une étude publiée dans Radiography analyse l’utilisation du modèle d’apprentissage profond Att-U-Net pour segmenter les tissus pulmonaires et les tumeurs à partir d’images PET-CT, afin d’améliorer le diagnostic du cancer du poumon. Les résultats montrent de bonnes performances (DSC 0,81 et IoU 0,69), suggérant que ce modèle pourrait renforcer la précision clinique et faciliter la planification des traitements.

7:00

16 Avr

15:41

Mount Sinai est le premier au monde à utiliser le système TheraSphere™ Y-90 « Any Day Dosing », un traitement mini-invasif qui délivre directement des radiations aux tumeurs du foie via le sang. Cette innovation permet de traiter les patients plus rapidement et plus souvent dans la semaine, améliorant ainsi l’accès aux soins et réduisant les délais, annonce un communiqué. 

13:16

Une revue systématique et méta-analyse démontre que la mammographie avec contraste (CEM) présente une très forte valeur prédictive négative pour les asymétries non rehaussées, avec un risque de cancer extrêmement faible. En revanche, la présence de rehaussement est fortement associée à la malignité et permet d’améliorer la stratification du risque.
✕
Docteur Imago

GRATUIT
VOIR