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 14:14 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

06 Fév

16:08

Des chercheurs ont développé et validé un modèle de deep learning entièrement automatisé pour détecter et mesurer les masses surrénaliennes sur des scanners abdominaux injectés. Le modèle a le potentiel d’améliorer les taux de détection des lésions et de faciliter leur prise en charge précoce, indique l'étude.

15:00

13:06

Une étude publiée dans Radiology montre que le compte rendu structuré améliore l’efficacité des radiologues en réduisant le temps de rédaction et en recentrant l’attention visuelle sur l’image, par rapport au texte libre. L’ajout de l’intelligence artificielle augmente la précision diagnostique.

7:30

Une étude rétrospective montre que le score Node-RADS basé sur l’IRM offre une excellente précision diagnostique pour la détection des métastases ganglionnaires chez les patients atteints de cancer du rectum, avec une performance supérieure aux critères de taille et aux comptes rendus IRM classiques.

7:00

05 Fév

16:36

Le centre hospitalier Agen-Nérac (47) a mis en service le 26 janvier 2026 une nouvelle salle de radiologie numérisée sur son site de Nérac. D’un montant de 185 000 €, cet investissement améliore la qualité des diagnostics tout en réduisant l’exposition aux rayons, informe actu.fr.
✕
Docteur Imago

GRATUIT
VOIR