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 14:13 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

Radiologie conventionnelle Scanner

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

24 Nov

7:36

La reconstruction par apprentissage profond est associée à une performance non inférieure à supérieure comparée aux autres techniques de reconstruction en scanner thoracique, conclut une méta-analyse.

7:00

21 Nov

15:34

Des chercheurs ont examiné l’association entre la charge allostatique (AL), un indicateur de dysrégulation physiologique liée au stress, et la présence de pathologie maligne lors de biopsies mammaires guidées par imagerie. Les résultats suggèrent qu’une AL plus élevée est liée à un risque accru de pathologie maligne, ce qui pourrait guider des stratégies de dépistage personnalisées, indique une étude publiée dans JACR.

15:00

13:17

L’IRM rapide avec la reconstruction par apprentissage profond (DLR) améliore la qualité d’image et la précision diagnostique pour l’appendicite complexe par rapport à l’IRM non DLR et à la tomographie par contraste, offrant une alternative précieuse pour les patients sensibles aux radiations. (Étude).

7:09

Une étude évaluant plusieurs grands modèles de langage a montré que le modèle OpenAI o3 obtenait la meilleure précision à l’examen national japonais des techniciens en radiologie, atteignant 90 % de réussite.
✕
Docteur Imago

GRATUIT
VOIR