Intelligence artificielle

L’analyse de variété générative : un modèle interprétable et responsable pour une médecine de précision

icon réservé aux abonnésArticle réservé aux abonnés
Pierre-Étienne Heudel, Arnaud Jean, Félix Renard et Arnaud Attyé Le 16/02/22 à 16:00, mise à jour le 11/09/23 à 13:30 Lecture 9 min.

L’analyse de variété générative permet de proposer des « normes personnalisées » en fonction des jumeaux numériques plutôt qu’en fonction d’un « individu moyen » correspondant à la norme euclidienne (photo d'illustration). D. R.

Résumé

Les applications de l’intelligence artificielle en radiologie clinique concernent actuellement quasi-exclusivement le secteur du dépistage de masse sur de l’image, à l’aide de technologies dites d’apprentissage profond. Or ces nouvelles technologies ont apporté beaucoup de déception de par leurs faibles performances en conditions réelles, particulièrement sur l’imagerie tomodensitomètrique et remnographique. En médecine quantitative diagnostique et pronostique, l’apprentissage profond n’a jamais fait la preuve d’une supériorité sur des statistiques classiques de type régression logistique. Nous présentons ici une nouvelle technologie d’intelligence artificielle dédiée au monde du quantitatif, interprétable et responsable, nommée apprentissage de variété génératif. Cette approche géométrique de l’IA vise à personnaliser les normes médicales radiologiques pour mieux détecter les maladies.

Les 4 auteurs sont cofondateurs du laboratoire d’intelligence artificielle privé GeodAIsics.

Introduction

L’intelligence artificielle (IA) désigne au sens large une science visant à imiter voire à dépasser les capacités humaines en matière d’analyse de données numériques. Les statistiques classiques gèrent bien les données médicales avec peu de caractéristiques par patient, mais très mal les données avec plusieurs centaines de caractéristiques qui ont des spécificités particulières. Cette limitation est connue sous le nom de « malédiction de la dimensionnalité ».
L’apprentissage automatique (machine learning) est un sous-ensemble de l’IA, basé sur des algorithmes statistiques probabilistes permettant aux ordinateurs d’obtenir une capacité d’apprentissage automatique. En médecine, les algorithmes de machine learning peuvent être grossièrement catégorisés en fonction du mode d’apprentissage utilisé : supervisé, non supervisé ou par renforcement (figure 1).

Apprentissage supervisé

L’apprentiss

Il vous reste 92% 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

Pierre-Étienne Heudel

Oncologue médical Centre Léon-Bérard Lyon GeodAIsics Grenoble

Arnaud Jean

Biologiste médical BioAmiens Amiens GeodAIsics Grenoble

Félix Renard

Data scientist GeodAIsics Grenoble

Arnaud Attyé

Arnaud Attyé Neuroradiologue, praticien hospitalier CHU Grenoble-Alpes GeodAIsics Grenoble

Discussion

Aucun commentaire

Laisser un commentaire

Sur le même thème

Le fil Docteur Imago

13:22

L’échoguidage améliore l’accès percutané à l’artère fémorale commune par rapport à l'abord par repérage anatomique, sans augmenter les complications. Toutefois, les données restent limitées pour certains sous-groupes à haut risque, analysent des chercheurs dans une étude publiée dans la revue Cochrane.

12:02

Le groupe pharmaceutique Novartis a obtenu de la FDA américaine une extension des indications du radiopharmaceutique Pluvicto® (177Lu-PSMA-617) dans le cancer de la prostate métastatique résistant à la castration (mCRPC) et PSMA-positif pré-chimiothérapie, annonce un communiqué. L'entreprise estime que cette décision triple la population éligible. L'extension des indications se base sur les résultats positifs de l'essai randomisé contrôlé de phase III PSMAfore.

7:31

Le député Thibault Bazin (groupe LR) a déposé le 28 mars un amendement concernant la reconnaissance des Plateaux d’imagerie médicale ambulatoire de proximité (PIMAP) au texte de la proposition de loi d’initiative transpartisane visant à lutter contre les déserts médicaux. L'amendement n°100, examiné par l'Assemblée nationale, propose ainsi que le Gouvernement remette au Parlement « un rapport évaluant l’opportunité d’instituer un statut spécifique pour le plateau d’imagerie médicale ambulatoire de proximité donnant un cadre légal aux cabinets libéraux de radiologie [...] souhaitant maintenir ou améliorer un maillage territorial de proximité ».
02 Avr

15:49

La Fédération de radiologie interventionnelle de la Société française de radiologie (FRI-SFR) a lancé une enquête en ligne pour « faire la lumière sur les freins à l'adhésion au CIRSE (la Société européenne de radiologie cardiovasculaire et interventionnelle, NDLR) chez les radiologues interventionnels français », comme annoncé par Vincent Vidal dans nos colonnes.
Docteur Imago

GRATUIT
VOIR