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 hier à 15:15 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

07 Août

16:00

Pour la détection du cancer du sein, les performances diagnostiques des protocoles d'IRM abrégée par rapport à l'IRM standard varient selon le protocole et le contexte clinique. La technique FAST conserve une sensibilité élevée, tandis que la combinaison FAST + ultrafast + T2W offre une spécificité supérieure dans un contexte diagnostique (étude).

14:30

72 % des patientes préfèreraient l'angiomammographie à l'IRM mammaire lorsque les performances diagnostiques sont comparables. Cette préférence est liée à une sensation de claustrophobie moindre, à une durée d'examen plus courte et à un niveau d'anxiété plus faible (étude).

7:10

La Société nord-américaine de radiologie (RSNA) annonce le lancement de son challenge IA pour l'imagerie du genou. Les modèles développés seront évalués sur leur capacité à détecter et à classer avec précision les anomalies du genou visibles à l'IRM. Les gagnants seront annoncés au prochain congrès de la RSNA qui se tiendra du 29 novembre au 3 décembre.

7:00

06 Août

16:00

L'arrêté du 4 août 2026 fixant le nombre d'étudiants de troisième cycle des études de médecine susceptibles d'être affectés, par spécialité et par subdivision territoriale au titre de l'année universitaire 2026-2027 a été publié au Journal Officiel. Pour la radiologie, le nombre d'internes est fixé à 266, et pour la médecine nucléaire à 44.

13:44

Des grands modèles de langage (LLM) seraient capables de générer, à partir des notes cliniques, des indications pertinentes en radiologie qui seraient plus complètes et plus factuelles que les indications émises par des cliniciens (étude).
✕
Docteur Imago

GRATUIT
VOIR