Apprentissage profond

Une IA de Google trie les radios thoraciques pour améliorer le flux de travail

Des chercheurs de Google Health ont entraîné et testé un système d’apprentissage profond capable de trier les examens de radiographie thoracique qui présentent des anomalies. Évalué dans le cadre d’une simulation de flux de travail, il a permis de réduire de 7 à 28 % le temps de prise en charge des cas anormaux.

icon réservé aux abonnésArticle réservé aux abonnés
Le 29/09/21 à 16:00, mise à jour hier à 14:12 Lecture 3 min.

Le système de deep learning a été entraîné et réglé à l’aide d’une base de données de 248 445 patients d’un réseau de 5 groupes d’hôpitaux en Inde. © Nabulsi Z. et coll.

Les systèmes d’intelligence artificielle conçus pour analyser les radiographies thoraciques sont déjà nombreux. Pour la plupart, ils se concentrent sur la détection d’anomalies ou de pathologies spécifiques : pneumonies, épanchements pleuraux, etc. Pour Zaid Nabulsi et ses confrères de Google Health, la branche santé du géant de l’informatique, cette approche a le défaut de limiter leur utilité pour un centre ou un service de radiologie qui voudrait une assistance pour « prioriser » les patients et améliorer son flux de travail. Un algorithme conçu pour détecter une pathologie peut en effet passer à côté d’une autre et il est irréaliste d’imaginer agréger des systèmes multiples qui détecteraient chacun une ou plusieurs pathologies séparées, écrivent-ils dans la revue Scientific Reports [1].

Différencier les radios « normales » et « anormales »

Les chercheurs de la firme californienne ont donc opté pour une autre démarche, et développé un algorithme d’apprentissage profond capable de diff

Il vous reste 76% 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. Nabulsi Z., Sellergren A., Jamshy S. et coll., « Deep learning for distinguishing normal versus abnormal chest radiographs and generalization to two unseen diseases tuberculosis and COVID-19 », Scientific Reports, septembre 2021, vol. 11, n° 15553. DOI : https://doi.org/10.1038/s41598-021-93967-2.

Spécialité médicale

Pneumologie Urgence

Modalité d’imagerie

Radiologie conventionnelle

Mots-clés

intelligence artificielle

Discussion

Aucun commentaire

Laisser un commentaire

Sur le même thème

Le fil Docteur Imago

26 Fév

15:23

Une revue narrative analyse l’état actuel de l’intelligence artificielle en neuroradiologie pédiatrique et fœtale, en mettant en évidence ses performances prometteuses en segmentation, détection, classification et pronostic, notamment grâce à l’apprentissage profond. Malgré ces avancées, son adoption clinique demeure limitée en raison de coûts élevés, du manque de grandes bases de données pédiatriques et de défis éthiques et réglementaires, nécessitant des efforts collaboratifs pour favoriser son intégration sécurisée.  
25 Fév

14:00

Un collectif d'hommes étudiants ou professionnels en santé a publié le 17 février une tribune dans le journal Le Monde pour « dénoncer publiquement le sexisme systémique dans le monde médical hospitalier et universitaire », à la faveur d'une enquête du conseil national de l'ordre des médecins publiée en novembre dernier qui évaluait dans une enquête que 49 % des femmes médecins actives répondantes déclaraient avoir subi des violences sexistes et sexuelles perpétrées par un autre médecin (contre 3% des hommes médecins actifs répondants).
26 Fév

13:16

La société allemande BioNTech a annoncé le développement d'un vaccin thérapeutique personnalisé à base d'ARN messager destiné aux patientes atteintes d'un cancer du sein triple négatif à un stade précoce. Un essai expérimental a été publié le 18 février dans la revue Nature, offrant des informations essentielles pour les thérapies futures.

7:11

Dans une étude publiée dans la revue Alzheimer Association, la TEP ont révélé que des niveaux plus élevés de protéine tau cérébrale sont associés à un déclin cognitif plus rapide chez les femmes atteintes de la maladie d’Alzheimer que chez les hommes.

7:00

25 Fév

16:52

Selon une étude publiée dans la revue Journal of the American College of Radiology, l'intelligence artificielle permet d'augmenter le taux de détection des cancers de 22 % et le taux de détection des cancers invasifs de 26 %.
✕
Docteur Imago

GRATUIT
VOIR