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

28 Mar

16:37

La SFR met en place l’application mobile SFR-JUISCI permettant aux utilisateurs d’accéder aux récentes recherches en radiologie. L’appli est à télécharger via la lien : https://lnkd.in/eW4i956c

13:36

Les tarifs hospitaliers afficheront une augmentation de 0,5 % en 2025 pour le secteur public comme pour le privé, annonce le Gouvernement dans un communiqué. « Cette hausse s’applique aux soins de médecine, chirurgie, obstétrique (MCO), comme aux soins médicaux de réadaptation (SMR). »

7:30

Un système d’IA marqué CE conçu pour la détection du cancer du sein sur les mammographies de dépistage a bien fonctionné pour identifier les cas négatifs et les cas de cancer, constate une étude parue dans European Radiology. Ce système peut être utilisé pour réduire la charge de travail des radiologues et potentiellement augmenter la sensibilité de la mammographie, suggèrent les auteurs.
27 Mar

16:01

Une enquête prospective menée de juin 2023 à mars 2025, auprès de 258 médecins en exercice en Allemagne, a analysé leurs préférences en matière de comptes rendus de radiologie. Selon l’enquête, parmi les spécialités étudiées, les chirurgiens ont signalé le plus haut niveau d’insatisfaction. L’intégration de l’imagerie dans les réunions interdisciplinaires pourrait par ailleurs améliorer davantage la compréhension des comptes-rendus de radiologie par les médecins traitants.
Docteur Imago

GRATUIT
VOIR