Vous êtes dans : Accueil > Actualités > Intelligence Artificielle, Machine Learning > Diagnostic automatique des radiographies pulmonaires: dans les années 60, déjà...

Diagnostic automatique des radiographies pulmonaires: dans les années 60, déjà...

MERCREDI 21 NOVEMBRE 2018 Soyez le premier à réagirSoyez le premier à réagir

Les recherches sur les usages de l'Intelligence Artificielle appliqués à la radiologie se multiplient désormais. L'éditorial du Journal Radiology revient sur ces application et rappelle que, dans les années 60, un radiologue précurseur avait initié un système d'apprentissage des images pathologiques sur les radiographies du poumon.

RSNA

Dans son éditorial du Journal Radiology, le Dr Bram Van Ginneken, du Department of Raiology and Nuclear Medicine, Radboud University Medical Center de Nimegue (Pays-Bas), traite de la manipulation des images radiologiques thoraciques dans le cadre d'une médecine prédictive.

Un système de codage des radiographies pulmonaires déjà dans les années 60

Cette pratique n'est pas récente puisqu'il fait référence à un article de Lodwick et al. paru en août 1963 dans la même revue et dans lequel il faisait figure de visionnaire. Les auteurs avaient analysé des images de 514 radiographies du thorax chez les patients atteints d'un cancer du poumon et y avaient affecté une sorte de codage dont les fonctionnalités étaient spécialement conçues pour analyser le cancer du poumon sur les radiographies interprétées par un radiologue. Cette étude avait montré qu'un système informatique pourrait prédire la survie à un an en calculant ces caractéristiques de codage lui-même. Le Dr Lodwick avait alors annoncé qu'il s'agissait d'un "concept de conversion des images radiologiques en numérique, les séquences de données pouvant être manipulées et évaluées par l'ordinateur".

Le Deep Learning pour concrétiser la prédiction du Dr Lodwick

Le Dr Van Ginneken revient ensuite sur la période actuelle où la radiographie thoracique est toujours l'examen le plus couramment effectué et qui est lu exclusivement par le radiologue ou, plus largement par un praticien, mais pas par les machines. Sauf que depuis l'avènement du Deep Learning et des réseaux de neurones à plusieurs couches, les pratiques sont en passe de changer. Le nombre de publications sur ce sujet augmente rapidement, dit-il, et de nouvelles revues sont en cours de création, dont Radiology: Artificial Intelligence, une sous-spécialité du Journal du RSNA. L'intérêt des start-up et des industriels du secteur pour cette thématique montre ainsi que nous sommes proches de réaliser ce que Lodwick et al avaient envisagé en 1963.

Des prérequis technologiques indispensables

Mais le Deep Learning est fondamentalement différent des approches plus traditionnelles de machine learning, de radiomique ou de CAD car il agit directement sur les données d'entrée et ne comptent pas sur un ensemble de processus préfabriqués comme le système de codage décrit par Lodwick et al. Ce processus ajuste en permanence les données de toutes les couches en veillant à ce que le les images d'entrée soient mappées vers la bonne sortie. Pour être efficace, il nécessite un grand corpus d'images, le choix d'une architecture réseau et de ses hyperparamètres, ainsi qu'un ordinateur avec unité de traitement graphique. C'est ce type de système qu'a utilisé le Dr Jared A. Dumond, du Departments of Computer Science, Biomedical Data Science and Radiology de la Stanford University (USA) dans une étude sur des radiographies pulmonaires en vue de leur classification automatique tant que normales ou anormales, permettant potentiellement un tri des images en pratique clinique.

Une étude pour évaluer un processus de prédiction pathologiques à partir des radiographies du poumon

Il s'agissait d'évaluer l'aptitude des réseaux de neurones à convolution (CNN) à permettre la classification haute performance binaire automatisée des radiographies thoraciques. Dans cette étude rétrospective, 216 431 radiographies thoraciques de face réalisées entre 1998 et 2012 ont été extraites, ainsi que les comptes rendus associés et une donnée prospective sur le radiologue traitant. Cet ensemble de données a été utilisé pour former les CNN de classification des radiographies thoraciques comme normales ou anormales avant leur évaluation sur une série de 533 images conservées et référencées par des radiologues experts. Les caractéristiques techniques de l'outil de Deep Learning ont été évalués et une analyse détaillée des erreur a été réalisée.

Il en résulte que les CNN formés avec une série réduite de radiographies thoraciques étiquetées de manière prospective ont obtenu des performances diagnostiques élevées dans la classification des radiographies thoraciques comme normales ou anormales. Les chercheurs en ont déduit que cette fonction peut être utile pour hiérarchiser automatiquement les radiographies thoraciques anormales.

Bruno Benque avec RSNA


toshiba

Des modèles pertinents de deep learning pour la radiographie thoracique
03/12/2019 : Selon une étude publiée dans la revue Radiology, le deep learning peut détecter des résultats de radiographie thoracique cliniquement significatifs aussi efficacement que des radiologues expérimentés. Les chercheurs rapportent que leurs résultats pourraient constituer une ressource précieuse pour le développement futur de modèles d’intelligence artificielle pour la radiographie thoracique.

Assembler plusieurs modèles de machine learning pour affiner les résultats
27/11/2019 : La combinaison de plusieurs modèles de machine learning peut s’apparenter à une interprétation avec plusieurs avis de radiologues. Une étude publiée dans la Revue Radiology : Intelligence Artificielle décrit des résultats en ce sens. Un chalenge sur les hémorragies cérébrales explorées par scanner sera organisé au RSNA 2019.

Un réseau de neurones profonds pour améliorer le diagnostic de cancer du poumon
13/11/2019 : Selon des recherches publiées dans la revue Radiology, les radiologues assistés par un logiciel basé sur le deep learning étaient plus en mesure de détecter les cancers du poumon malins sur radiographies du thorax.

L'intelligence artificielle au révélateur de l'imagerie oncologique
12/11/2019 : Dans notre série d’articles dédiés au prochain symposium Scanner volumique, nous allons à la rencontre des orateurs qui animeront cet événement. Aujourd’hui, le Pr Pierre-Jean Valette évoque pour nous l’intelligence artificielle appliquée à l’imagerie oncologique, un thème qu’il abordera lors du symposium.

La recherche sur l'IA en imagerie avance avec le Data Challenge
25/10/2019 : Le Pr Nathalie Lassau, Professeur de Radiologie à l'Université Paris Sud et Co-Directrice du laboratoire d Imagerie IR4M (UPSUD/ CNRS) à l'Institut Gustave Roussy, est la responsable du Data Challenge dont la première édition a été organisée aux JFR 2018. Nous l'avons rencontrée pour une évocation des améliorations apportées, en 2019, à cette compétition.

Une plateforme dédiée pour choisir un moteur d'IA pertinent
03/10/2019 : Acteur historique de l'informatique de Santé, Softway Medical propose une offre d'intelligence artificielle tout à fait originale. À partir d'un catalogue de moteurs d'IA, le radiologue pourra choisir celui qui répondra précisément à ses besoins. Rendez-vous aux JFR 2019 pour découvrir cette nouvelle offre.

L'hémorragie cérébrale, thème du RSNA IA challenge 2019
17/09/2019 : La Radiological Society of North America (RSNA) vient de lancer son troisième défi annuel sur l'intelligence artificielle (IA): le défi RSNA de détection et de classification des hémorragies intracrâniennes.

La Data science en Santé se développe à l'Université
13/08/2019 : L'Intelligence artificielle en Santé fera l'objet de plusieurs cursus de formation dans les Universités françaises à la rentrée. C'est notamment le cas à l'Université Paris Descartes.

RSNA 2019 : 3 700 m2 dédiés à l'intelligence artificielle
09/08/2019 : Le RSNA 2019 AI Showcase proposera un plus grand espace dédié à l'intelligence artificielle. Des démonstrations et des salles de classe permettront aux fournisseurs de solutions et aux spécialistes de promouvoir les outils d'aide à la décision clinique ainsi que les bonnes pratiques de gestion des données.

De nouveaux outils d'aide à la décision en mammographie
18/06/2019 : L'aide à la décision en mammographie 2D et tomosynthèse 3D vient de s'enrichir, avec iCAD, de nouvelles applications annoncées lors du récent congrès de la SIFEM.


Nanobiotix passe un nouveau niveau de développement auprès de la FDA
27/02/2020 : Nanobiotix poursuit son développement et obtient la désignation de « Fast Track » pour le NXTXR3. Ce statut lui promet des procédures d’évaluation accélérées notamment pour de futurs essais cliniques.

Le rôle du radiologue dans un contexte de coronavirus selon l'ESR
26/02/2020 : Le point d’étape publié par l’European Society of Radiology (ESR) concernant le coronavirus fait état d’un taux de mortalité due à cette maladie très faible en dehors de la Chine. Il met en lumière le rôle des radiologues pour la détection précoce et préconise de se méfier des patients asymptomatiques.

CCAM Radiologie évolue pour plus d'ergonomie et d'interactivité
26/02/2020 : La plateforme d’aide à la cotation des actes de radiologie CCAM-Radiologie évolue pour optimiser le temps médical des radiologues. Il s’est enrichi d’un forum de discussion et fera bientôt l’objet d’une refonte complète plus ergonomique, incluant un e-learning et un algorithme pour la validation des associations d’actes.

Coronavirus : Une session spéciale organisée lors de l'ECR 2020
25/02/2020 : Devant l’ampleur mondiale de l’épidémie de coronavirus (COVID-19), la session de l’ECR 2020 dédiée à cette maladie sera accessible gratuitement pour les congressistes sur place mais également pour les internautes sur ESR Connect.

Le futur de la médecine nucléaire au prochain congrès ISI NucMed
24/02/2020 : Afin de préparer les acteurs de la médecine nucléaire à l’évolution future de cette spécialité, Arronax Nantes organise en juin prochain l’ISI NucMed, un congrès pluridisciplinaire traitant de production de nucléides, d’intelligence artificielle appliquée et de l’approche théranostique.

Coronavirus au scanner : des images différentes selon le stade d'évolution
21/02/2020 : Dans une nouvelle recherche publiée le 20 février 2020 dans la revue Radiology, des chercheurs du Mount Sinai Health System de New York ont démontré que les images scanographiques dans les cas de coronavirus 19 (COVID-19) sont liées à l'évolution de l'infection.

Le Pôle Imagerie Médicale de l’AP-HM surfe sur la dynamique créée par le projet Imagerie Avenir Marseille (IAM-APHM)
14/02/2020 : Alors qu’il arrive à son terme, le projet de renouvellement des modalités d’imagerie du Pôle Imagerie Médicale (PIM) de l’AP-HM suscite bien des espoirs. La dynamique créée par la forte implication des équipes médicales, paramédicales, techniques, biomédicales et administratives et le dialogue constructif qu’il a favorisé permettront d’améliorer la cohésion et la montée en compétences de tous les acteurs du pôle et des directions concernées.

Découvrez les images du coronavirus mises à jour dans Spectrum of imaging
13/02/2020 : « Radiology of Coronavirus : Spectrum of imaging », édité par la Revue Radiology, est une page web mise à jour continuellement. Elle fournit aux radiologues un panel de cas cliniques pour les assister dans leur décision.

Une évocation de l'imagerie médicale de demain au MDCT 2020
12/02/2020 : Le scanner spectral, la radiologie interventionnelle et l’intelligence artificielle ont constitué les thématiques majeures développées lors du 9ème Symposium Scanner volumique. Un événement qui a laissé entrevoir ce que pourrait être l’imagerie médicale diagnostique et thérapeutique à moyen terme.

Dépistage du cancer du poumon : la FNMR interpelle à nouveau les pouvoirs publics
11/02/2020 : Suite aux bons résultats de la récente étude NELSON, la FNMR vient réitérer, par communiqué, sa demande auprès des pouvoirs publics d’étudier la mise en place du dépistage du cancer du poumon par scanner low dose.


Coronavirus au scanner : des images différentes selon le stade d'évolution
21/02/2020 : Dans une nouvelle recherche publiée le 20 février 2020 dans la revue Radiology, des chercheurs du Mount Sinai Health System de New York ont démontré que les images scanographiques dans les cas de coronavirus 19 (COVID-19) sont liées à l'évolution de l'infection.

Les images pulmonaires caractéristiques du coronavirus au scanner
05/02/2020 : Dans un rapport spécial publié le 4 février 2020 dans la revue Radiology, des chercheurs décrivent les caractéristiques scanographiques qui facilitent la détection et le diagnostic précoces du coronavirus de Wuhan.

Une évocation de l'imagerie médicale de demain au MDCT 2020
12/02/2020 : Le scanner spectral, la radiologie interventionnelle et l’intelligence artificielle ont constitué les thématiques majeures développées lors du 9ème Symposium Scanner volumique. Un événement qui a laissé entrevoir ce que pourrait être l’imagerie médicale diagnostique et thérapeutique à moyen terme.

Optimiser la cotation des actes grâce à un nouveau site web gratuit
03/09/2019 : Le catalogue CCAM est souvent mal employé par les radiologues, ce qui peut engendrer des erreurs de cotations. C'est pout leur venir en aide que le site web gratuit ccam-radiologie.fr a été conçu, afin d'optimiser la facturation de l'activité radiologique.

De nouvelles données pour identifier le coronavirus 2019-nCoV au scanner
11/02/2020 : Les signes détaillés du coronavirus 2019-nCoV viennent de faire l’objet d’une nouvelle étude parue dans la Revue Radiology. Des images en verre dépoli majoritairement périphériques et postérieures sont caractéristiques au scanner.

LE GADOLINIUM EST-IL DANGEREUX A LONG TERME ?
05/05/2015 : Une série d'études récentes montre que le Gadolinium s'accumule de façon résiduelle dans le cerveau. Les dangers de ces résidus sont sans doute liées à la structure moléculaire de l'agent chimique qui accompagne le Gadolinium dans le corps des patients. Et les habitudes des radiologues sont appelées à changer, selon le Pr Emmanuel Kanal.

La recherche sur l'IA en imagerie avance avec le Data Challenge
25/10/2019 : Le Pr Nathalie Lassau, Professeur de Radiologie à l'Université Paris Sud et Co-Directrice du laboratoire d Imagerie IR4M (UPSUD/ CNRS) à l'Institut Gustave Roussy, est la responsable du Data Challenge dont la première édition a été organisée aux JFR 2018. Nous l'avons rencontrée pour une évocation des améliorations apportées, en 2019, à cette compétition.

Le futur de la médecine nucléaire au prochain congrès ISI NucMed
24/02/2020 : Afin de préparer les acteurs de la médecine nucléaire à l’évolution future de cette spécialité, Arronax Nantes organise en juin prochain l’ISI NucMed, un congrès pluridisciplinaire traitant de production de nucléides, d’intelligence artificielle appliquée et de l’approche théranostique.

Réglementation concernant les appareils mobiles des cabinets dentaires
17/05/2016 : Les appareils mobiles ou portables générant des rayons X au sein des cabinets dentaires font désormais l’objet d’une surveillance identique à un poste fixe. C’est ce qu’a rappelé l’ASN dans une note datée du 2 mai 2016.

Le retour du modificateur Z officialisé dans un arrêté !
28/08/2019 : Le modificateur Z devrait bientôt faire son retour dans la nomenclature des actes de radiologie. C'est en tout cas ce qui annoncé dans l''Arrêté du 14 août 2019 paru au Journal Officiel.