Vous êtes dans : Accueil > Actualités > Intelligence Artificielle, Machine Learning > Le deep learning pour gagner le combat contre la tuberculose

Le deep learning pour gagner le combat contre la tuberculose

LUNDI 03 DéCEMBRE 2018 Soyez le premier à réagirSoyez le premier à réagir

Le combat contre la tuberculose pourrait être gagné en utilisant l'IA pour le diagnostic sur les radiographies pulmonaires. Ce thème a été développé dans un article de la revue Radiology, primé au congrès de la RSNA 2018.

 

La Radiological Society of North America (RSNA) a décerné, le 26 novembre 2018, son septième prix d'excellence scientifique Alexander R. Margulis au Dr Paras Lakhani, du Thomas Jefferson University Hospital (TJUH) de Philadelphie, pour l'article intitulé "Deep Learning pour la radiographie thoracique: classification automatisée de la tuberculose pulmonaire à l’aide de réseaux de neurones convolutifs", publiée en ligne en avril 2017.

L'intelligence artificielle pour gagner le combat contre la tuberculose

Baptisé en l'honneur du Dr Alexander R. Margulis, chercheur distingué et visionnaire dans le domaine de la radiologie, ce prix annuel récompense le meilleur article scientifique original publié dans la revue Radiology, par le comité de lecture de la RSNA. Si l’imagerie joue un rôle central dans le diagnostic et la prise en charge de la tuberculose, l’accès à la radiologie est souvent limité dans les pays en développement où la tuberculose est la plus répandue. Espérant combler cette lacune, le Dr Lakhani et son collègue le Dr Baskaran Sundaram, également du TJUH, ont étudié l'efficacité d'une méthode automatisée de détection de la tuberculose sur des radiographies thoraciques.

Les chercheurs ont notamment utilisé le Deep learning, qui utilise des réseaux de neurones à convolution profonde (DCNN), pour identifier la tuberculose sur les radiographies thoraciques. Les résultats de la recherche étaient prometteurs. "Nous avons déterminé que le deep learning DCNN peut classer la tuberculose à partir de la radiographie pulmonaire, a déclaré le Dr Lakhani. Cette méthode signifie que la radiographie peut faciliter les efforts de dépistage et d'évaluation dans les zones prévalentes pour la tuberculose où l'accès aux radiologistes est limité."

Un problème de Santé publique dans les pays en développement

Selon le Pr David A. Bluemke, rédacteur en chef de la revue Radiology, ce type de recherche innovante représente l'avenir de la radiologie. "Les auteurs ont évalué un problème mondial de santé publique - en particulier dans les zones où il y a peu de radiologues, a-t-il déclaré. Ce qui est important ici est que les Drs. Lakhani et Sundaram ont validé leurs résultats en étudiant des radiographies thoraciques aux États-Unis, en Biélorussie et en Chine. Ce type d’étude validée avec pertinence va changer la pratique de la radiologie."

Pour le Dr Lakhani, le potentiel d'amélioration de la détection de la tuberculose, l'une des 10 principales causes de décès dans le monde, constitue un facteur de motivation important pour la recherche. Et d'après l'Organisation mondiale de la santé (OMS), environ 10,4 millions de personnes ont contracté la tuberculose en 2016, entraînant la mort de 1,8 million de personnes. "Une solution automatisée pourrait réduire significativement le développement de cette maladie, en particulier dans les pays en développement comme l'Afrique subsaharienne, poursuit-il. Une grande priorité de l'OMS est de mettre fin à la tuberculose."

Un modèle de deep learning précis à 96%

Pour cette étude, les Drs. Lakhani et Sundaram ont reçu 1 007 radiographies de patients atteints, ou non, de tuberculose, constituées de plusieurs jeux de données de radiographie thoracique provenant d'instituts nationaux de la santé, du Belarus Tuberculosis Portal et de TJUH. Ces données ont été divisées en groupes entrainement (68,0%), validation (17,1%) et test (14,9%). Les cas ont été utilisés pour entrainer deux modèles DCNN différents - AlexNet et GoogLeNet - tirés des examens positifs et négatifs à la tuberculose. La précision des modèles a été testée sur 150 cas exclus des jeux de données d'entrainement et de validation. Le modèle d'IA le plus performant combinait AlexNet et GoogLeNet, avec une précision nette de 96%.

Les deux modèles DCNN étaient incohérents dans 13 des 150 cas tests. Pour ces cas, les chercheurs ont évalué une procédure où un radiologue expert était capable d'interpréter les images, en diagnostiquant avec précision 100% des cas. Ce flux de travail, incorporant un humain dans la boucle, avait une plus grande précision nette de près de 99%. Selon le Dr Lakhani, les DCNN n'étaient pas entrainés pour distinguer les ressemblances potentielles de la tuberculose pulmonaire, tels que le cancer du poumon, la pneumonie bactérienne ou les maladies tropicales.

Élargir le champ d'étude pour donner de la robustesse à son modèle

"Le but de ces algorithmes est de différencier les radiographies pulmonaires normales des anomalies thoraciques dans le champ d'évaluation de la tuberculose, remarque-t-il. Les cas signalés comme anormaux présentant des caractéristiques de tuberculose pulmonaire devraient être suivis d'une confirmation bactériologique, comme le suggèrent les processus de dépistage présentés par l'OMS. L'objectif de ces derniers est la réduction des coûts, la valorisation de la radiographie numérique ayant considérablement diminué au cours de la dernière décennie."

Le Dr Lakhani, qui a terminé son cursus en médecine nucléaire et en PETScan, est radiologue depuis 2011 et se spécialise principalement en radiologie cardiaque au TJUH. Il a ajouté que le Prix Margulis, en plus d'être un immense honneur, donne une impulsion à ses projets d'amélioration des modèles avec davantage d'expérience et d'autres méthodes de deep learning. Bien qu'il s'agisse d'une étude rétrospective basée sur des ensembles de données disponibles au moment de l'étude, il espère élargir le champ en étudiant l'utilisation de DCNN dans une pratique clinique d'évaluation de la tuberculose.

"Avec le deep learning, plus vous disposez de données, mieux vous vous portez, conclut-il. Il existe de nombreuses données à l’international permettant de développer des algorithmes plus robustes et l’avenir est prometteur pour ce type de recherche."

Bruno Benque avec RSNA


toshiba

Quels apports de l'IA dans la gestion des images pulmonaires COVID-19 ?
07/05/2020 : Dans la série des webinars ESR Connect qu’elle organise désormais régulièrement, l’European Society of Radiology (ESR) a présenté une session dédiée à l’utilisation de l’intelligence artificielle (IA) pour aider les radiologues dans la gestion des données images pour faire face au COVID-19.

Un modèle de deep learning pour identifier le COVID-19 au scanner
08/04/2020 : Dans une étude publiée dans la Revue Radiology, un modèle de deep learning semble capable de réaliser un diagnostic différentiel de COVID-19 sur les examens de tomodensitométrie. Ce travail montre surtout que la spécificité du scanner semble améliorée comparativement aux autres études publiées sur ce thème.

Données de Santé : une nouvelle approche pour assurer la confidentialité
25/03/2020 : La sécurité des données de Santé et la protection de la vie privée des patients est une préoccupation majeure pour les tutelles sanitaires. Un Rapport publié dans la Revue Radiology suggère de considérer les données comme n’appartenant à personne et de cibler l’éthique des prestataires d’IA.  

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.


Un spectre de signes radiologiques multimodal pour le COVID-19
02/06/2020 : L’IRM, le TEPScan et l’échographie peuvent, chacun dans son domaine, apporter des informations pertinentes dans le diagnostic ou le suivi des pathologies dues au COVID-19. C’est ce qui ressort d’une étude publiée dans la Revue Radiology : Cardiothoracic imaging qui tente d’établir un spectre de signes radiologiques multimodal.

Le congrès RSNA 2020 se transforme en une web conférence intégrale
27/05/2020 : Le congrès RNA 2020 n’aura pas lieu, du moins sous sa forme habituelle. La Société savante vient d’annoncer en effet que l’édition 2020 sera entièrement proposée en ligne, du 31 novembre au 5 décembre 2020.

Le SRES 2020 aura bien lieu à la rentrée
26/05/2020 : Le SRES 2020 a été reporté à la rentrée et se déroulera, comme prévu, à Porto Vecchio. Consultez le programme de cette session ci-dessous.

Qualification de dispositif médical : quoi de nouveau sous le soleil ?
25/05/2020 : Deux récentes décisions des juridictions administratives retiennent l’attention en la matière. L'une concerne les activimètres servant à évaluer une dose de rayonnements ionisants, l'autre se penche sur un logiciel de compression d'images médicales.

Un suivi systématique à six mois serait préférable pour les lésions mammaires classées BI-RADS 3
20/05/2020 : Les femmes présentant des lésions mammaires classées BI-RADS 3 devraient systématiquement suivies à six mois. C’est ce que suggère une étude publiée dans la Revue Radiology en raison du risque faible mais non négligeable que ces lésions soient malignes.

La technologie Synchrony®, conçue par Accuray pour le système Radixact®, désignée « meilleure solution globale parmi les dispositifs médicaux » aux MedTech Breakthrough Awards 2020
19/05/2020 : L’organisme indépendant MedTech Breakthrough, récompensant au niveau mondial les entreprises et technologies pour leur excellence dans le domaine de la Santé et des technologies médicales, a sélectionné la technologie de suivi et de correction du mouvement en temps réel Synchrony®, conçue par Accuray pour le système Radixact®, comme gagnante du prix « meilleure solution globale parmi les dispositifs médicaux » lors de la quatrième édition annuelle du programme des MedTech Breakthrough Awards. « Nous sommes heureux de décerner le prix de la "meilleure solution globale parmi les dispositifs médicaux" à l’entreprise Accuray, pour sa technologie révolutionnaire qui vient renforcer et élargir l’éventail de solutions de lutte contre le cancer » a déclaré James Johnson, directeur général de MedTech Breakthrough.

Web conférence ECR 2020 : le programme scientifique est paru !
19/05/2020 : Le programme complet de l’ECR 2020, qui se tiendra sous la forme d’une web conférence, vient d’être publié. Vous pouvez télécharger le Book of Abstract ci-dessous pour vous en faire une idée.

La RSNA publie deux nouveau documents de bonnes pratiques pour la radiologie en environnement COVID-19
18/05/2020 : Après avoir élaboré un guide de bonnes pratiques pour la radiologie en environnement COVID-19, le groupe de travail COVID-19 de la Radiological Society of North America (RSNA) vient de publier deux nouveauw documents. L’un porte sur la préparation aux surtensions liées au COVID-19 tandis que l’autre cible la préparation des services de radiologie en post-COVID-19.

Prime COVID pour les soignants : des critères d'éligibilité incohérents
18/05/2020 : Comme il l’avait annoncé dernièrement, le Premier Ministre a décrété l’instauration d’une prime pour les soignants ayant œuvré dans la lutte contre le COVID-19. Si l’intention est louable, le périmètre d’éligibilité à cette prime semble trop étendu et quelque peu discriminant. Il ne reflète pas, en tout cas, le niveau de risque auquel ce sont exposés certains soignants, parmi lesquels beaucoup de manipulateurs radio.

La radiographie thoracique donne des signes prédictifs pour l'hospitalisation des malades COVID-19
15/05/2020 : La radiographie pulmonaire initiale lors du passage aux urgences d’un patient infecté par le COVID-19 peut donner des informations sur les suites prévisibles de son hospitalisation. C’est ce qu’affirment des chercheurs américains à partir des scores de gravité déduits de cette exploration.


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.

Scanner thoracique du COVID-19 : différentier les images des autres pathologies virales
16/03/2020 : Dans une nouvelle étude publiée dans la revue Radiology, des chercheurs chinois et américains ont distingué des différences entre les images du COVID-19 et les autres pneumonies virales au scanner.

Prime COVID pour les soignants : des critères d'éligibilité incohérents
18/05/2020 : Comme il l’avait annoncé dernièrement, le Premier Ministre a décrété l’instauration d’une prime pour les soignants ayant œuvré dans la lutte contre le COVID-19. Si l’intention est louable, le périmètre d’éligibilité à cette prime semble trop étendu et quelque peu discriminant. Il ne reflète pas, en tout cas, le niveau de risque auquel ce sont exposés certains soignants, parmi lesquels beaucoup de manipulateurs radio.

L'ISRRT publie un guide COVID-19 pour les MERM du monde entier
06/05/2020 : L’ISRRT, en collaboration avec l’EFRS, a publié un guide international de bonnes pratiques destiné aux manipulateurs radio en environnement COVID-19. Ce document couvre de nombreux domaines de compétences des manipulateurs.

Pourquoi les radiologues adoptent rapidement la reconnaissance vocale dans le Cloud de Nuance
14/05/2020 : Lancée en décembre dernier, Dragon Medical One, la solution de reconnaissance vocale de Nuance basée sur un Cloud, connaît un fort succès auprès des imageurs. Nuance a d’ailleurs créé pour eux, dans le contexte du COVID-19, des commandes spécifiques pour les TDM thoraciques. Un CHU est en train d’équiper ses radiologues, tandis que les partenaires de Nuance du domaine de la radiologie ont choisi eux aussi de proposer cette solution à leurs utilisateurs. Une adoption rapide par les radiologues qui tient à plusieurs facteurs. Explications avec Pierre Meyblum, Business Development Manager de la division Santé de Nuance Communications en France.

Téléradiologie : produire des comptes rendus irréprochables en un délai record
09/10/2019 : Dans un contexte de pénurie médicale et de désertification dans certains territoires, la continuité de la prise en charge en radiologie implique un développement significatif de la téléradiologie. Depuis la création du réseau CGTR, ce sont plus de 1.5 millions de patients qui ont été pris en charge par les télérédiologues de CGTR, avec une accélération constante de la demande : en 2019, CGTR a pris en charge en moyenne plus de 37 000 patients par mois en France au sein de son réseau, soit une projection sur l’année de plus de 444 000 prises en charge au minimum. En 2017, ce chiffre n'était que de 270 000 prises en charges, soit une croissance de 64,4 % en 2 ans !

Scanner du COVID-19 : comprendre l'évolution des lésions à un mois
23/03/2020 : Une nouvelle étude publiée dans la Revue Radiology pourrait permettre de comprendre l’évolution des images COVID-19 au scanner. Un suivi des patients à un mois a en effet été réalisée dans ce travail.

La RSNA lance la première collection internationale de cas cliniques radiologiques
04/05/2020 : La RSNA vient d’ouvrir la première collection internationale développée exclusivement en radiologie. Elle est l’aboutissement de la soumission de très nombreux cas depuis début 2020 ayant fait l’objet d’une validation par les experts RSNA.

LES PROMESSES DE L'IMAGERIE SPECTRALE À COMPTAGE PHOTONIQUE
14/12/2015 : Le Pr Philippe Douek présentera, lors du prochain Symposium Scanner Volumique, la technologie de l’imagerie spectrale à comptage photonique. Cette innovation, au stade de la recherche pré-clinique aujourd’hui, permettra, à terme, d’obtenir des images de scanner sélectives suivant les matériaux que l’on voudra mettre en évidence, avec une résolution spatiale et une irradiation améliorées.

Les apports de la radiographie thoracique dans la détection du COVID-19
30/03/2020 : Une étude publiée dans la Revue radiologie stipule que les images de détection de la pneumonie au COVID-19 obtenues par radiographie pulmonaire sont sensiblement équivalentes à celles du scanner. Cependant, des différences sont à signaler, notamment pour le suivi des lésions.