La RSNA récompense des algorithmes d'identification de la pneumonie par radiographie pulmonaire
MARDI 27 NOVEMBRE 2018
Soyez le premier à réagirLe Pneumonia Detection Challenge a récompensé dix équipes ayant élaboré chacune un algorithme de Machine Learning pour identifier une pneumonie sur des radiographies pulmonaires. Ils ont été présentés le 26 novembre lors du congrès 2018 de la RSNA.
Nous avons relayé récemment, dans nos colonnes, l'intérêt des radiologues à pouvoir disposer d'outils d'intelligence artificielle pour l'interpétation automatique des radiographies pulmonaires. La Radiological Society of North America (RSNA) a annoncé, le 26 novembre 2018, les résultats officiels de son deuxième défi annuel de Machine Learning qui était consacré à ce champ d'étude.
1 400 équipe au départ du défi RSNA Pneumonia Detection Challenge
Le RSNA Pneumonia Detection Challenge a demandé aux équipes de développer des algorithmes pour identifier et localiser la pneumonie dans les radiographies thoraciques. Plus de 1 400 équipes ont pris part au défi et 346 ont soumis les résultats au cours de la phase d’évaluation de la compétition. Le défi a fait appel à un ensemble de données de radiographies pulmonaires disponibles, rendues publiques, auprès du National Institutes of Health. Le comité directeur de RSNA Machine Learning a collaboré avec des volontaires de la Society of Thoracic Radiology, dirigés par le Dr Carol Wu pour annoter le jeu de données et identifier les cas de pneumonie probables. L'ensemble de données annoté a fourni la "vérité de terrain" aux participants pour élaborer leurs algorithmes et évaluer leurs soumissions lors de la phase finale du défi. L'annotation des jeux de données a été organisée et validée à l'aide des outils fournis par MD.ai sous la direction du Dr George Shih et du Dr Anouk Stein.
Promouvoir le Machine Learning pour améliorer la précision et l'efficacité des diagnostics
"Un défi de machine learning réussi doit commencer par un ensemble de données suffisamment précis et suffisamment volumineux pour fournir la vérité de terrain, a déclaré le Dr Safwan Halabi, directeur médical des Radiology Informatics au Stanford Children’s Health et président du RSNA Machine Learning Data Standards Committee. Les développeurs construisent leurs modèles en les formant à l'ensemble de données et les organisateurs de défi utilisent une partie de l'ensemble de données pour mesurer leurs performances. L'un des principaux objectifs du concours est de promouvoir l'utilisation du machine learning en tant qu'outil d'amélioration de la précision et de l'efficacité du diagnostic, l'objectif ultime étant d'améliorer les soins aux patients. ”
30 000 $ à partager entre les dix lauréats
Le défi a été lancé sur une plate-forme fournie par Kaggle, Inc. La plate-forme Kaggle permet d'accéder à des jeux de données, à un forum de discussion pour les participants, au référentiel des résultats soumis et à un classement qui évolue tout au long du défi. Kaggle a également fourni 30 000 $ en prix à partager entre les gagnants. Les équipes gagnantes du RSNA Pneumonia Detection Challenge sont: ·Ian Pan & Alexandre Cadrin, Dmytro Poplavskiy [ods.ai], Phillip Cheng, 16bit.ai / layer6, JRS_HP, PFNeumonia, DEEPRADIOLOGY, Mu Song, DASA-FIDI-IARA etDancingBear.Ils ont été récompensés lors d'une cérémonie de remise des prix du Machine Learning Challenge qui s'est déroulée le 26 novembre 2018 dans le Machine LEarninf showcase du RSNA 2018.
"L'espoir que l'intelligence artificielle fournira bientôt des outils précieux pour la radiologie continue de croître, a déclaré le Pr Luciano Prevedello, chef de la division informatique de l'imagerie médicale de l'Ohio University et président du sous-comité de pilotage Machine Learning du RSNA Informatics Radiology Comitee. En organisant des défis comme celui-là, la RSNA joue un rôle important dans la promotion et la démonstration de ces capacités." Les résultats complets et des informations détaillées sur le défi sont disponibles sur le site Kaggle.
Bruno Benque avec RSNA