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

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.

Segmenter les tumeurs pulmonaires à partir d'un navigateur web
09/05/2019 : Arterys lance, lors de l'ESTI 2019, sa solution Lung AI de suivi des tumeurs du poumon par scanner. Ce programme de deep learning permet d'identifier des nodules pulmonaires à partir d'un navigateur web.

L'ESR noue un partenariat pour promouvoir l'IA en imagerie médicale
02/05/2019 : L'European Society of Radiology (ESR) a conclu un partenariat avec Siemens Helathineers pour la promotion de l'intelligence artificielle en imagerie médicale. Des événements et un blog seront dédiés à cette thématique.

Une feuille de route pour améliorer la recherche en IA appliquée à l'imagerie médicale
17/04/2019 : Dans un contexte de développement tous azimuts de l'intelligence artificielle appliquée à l'imagerie médicale, les principaux acteurs scientifiques américains ont élaboré une feuille de route pour accélérer la recherche dans ce domaine. Un rapport a été rédigé en ce sens.

La radiomique pour prédire la réponse à la chimiothérapie dans le cancer du poumon
25/03/2019 : Selon une étude publiée dans la nouvelle revue éditée par Radiology, "Artificial Intelligence", les chercheurs peuvent utiliser les données d’images de tomodensitométrie pour prédire quels patients atteints de cancer du poumon répondront à la chimiothérapie. Les caractéristiques radiomiques peuvent également prévoir la progression de la maladie et la survie globale.

Randy Médical, le chatbot qui optimise les recrutements des professionnels de Santé
27/02/2019 : L'Appel Médical dispose désormais d'une stratégie "Tech&Touch". Le chatbot Randy, élaboré pour candidater pour un poste, présélectionne les candidats qui sont ensuite pris en charge par un consultant en recrutement.

PRIMAGE, la plateforme européenne d'aide à la décision clinique
29/01/2019 : Une plateforme cloud d'aide à la décision clinique par machine learning vient de voir le jour. Ce projet initié par l'Union Européenne testera cet outil à partir des données recueillies dans de grandes institutions de santé pédiatrique sur deux tumeurs solides cérébrales.

Hiérarchiser les radiographies thoraciques pathologiques à l'aide du Deep Learning
22/01/2019 : Selon une étude parue dans la revue Radiology, un système de Deep Learning peut  hiérarchiser les radiographies thoraciques pathologiques, réduisant potentiellement le délai de consultation des examens par les radiologues. Un système de détection des mots clés dans les comptes rendus a été utilisé dans cette étude. 


Hologic acquiert une partie de SuperSonic Imagine
14/08/2019 : SuperSonic Imagine vient de céder 46% de ses actions à Hologic. De quoi développer ses ventes à l'export.

Formation à l'imagerie IRM du pelvis féminin
13/08/2019 : Forcomed propose des formations spécifiques à l'imagerie IRM des pathologies du pelvis féminin. Elles sont scindées en trois programmes distincts, dont un consacré au perfectionnement.

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.

UniHA élargit considérablement son offre dans le domaine des ultrasons
07/08/2019 : Le nouveau marché d'imagerie ultrasonore mis en place par UniHA proposera une offre complète de modalités, pour des usages classiques ou les plus spécifiques. Il comporte également des systèmes de télé-échographie et de désinfection des sondes.

Un patient reçoit double dose en radiothérapie stéréotaxique
02/08/2019 : Les périodes de surcharge de travail, on le sait, sont susceptibles d'entrainer des erreurs de pratique. Le service de radiothérapie du Centre François Baclesse de Caen en a fait l'expérience récemment avec un ESR de niveau 2.

Sensibilité, spécificité, précision et rapidité : l'effet IA pour l'interprétation de la tomosynthèse
01/08/2019 : L'intelligence artificielle (IA) contribue à améliorer l'efficacité et la précision de l'imagerie du sein par tomosynthèse, selon une nouvelle étude publiée dans la revue Radiology: Artificial Intelligence. Le temps d'interprétation, ainsi que la sensibilité et la spécificité du diagnostic s'en trouvent également bonifiés.

La Nouvelle Clinique Tours plus se dote d'un institut de cardiologie moderne
31/07/2019 : L'Institut du cœur Saint-Gatien vient d'accueillir ses premiers patients. Cet établissement moderne comporte 8 salles de bloc dédiées, dont une salle hybride neuve.

Fumeurs : persistance des malformations artérioveineuses pulmonaires après embolisation
31/07/2019 : Les malformations artério-veineuses pulmonaires embolisées par coils risquent fortement de récidiver chez les fumeurs. C'est ce que rapporte une étude publiée dans la Revue Radiology qui objective une réponse inflammatoire favorisant cette récidive.

Atelier Coloscopie virtuelle : réservez votre vendredi 22 novembre !
30/07/2019 : Forcomed, en partenariat avec la SFR, propose un atelierde formation dédié à la coloscopie virtuelle. Réservez-vite votre 22 novembre 2019 !


Les modalités d'imagerie médicale sont toujours mal réparties en France
18/07/2019 : La nouvelle étude de la DREES sur les établissements de Santé français objective, pour 2017, la confirmation de la baisse du nombre d'installation de radiologie conventionnelle. Pour l'imagerie en coupe, ce document confirme les disparités territoriales en terme d'équipement.

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.

Prévention des fractures ostéoporotiques: évaluer la densité minérale osseuse par scanner spectral
17/06/2019 : Le scanner spectral peut devenir une méthode de référence pour évaluer la densité minérale osseuse dans la prévention des fractures ostéoporotiques. C'est ce que révèle une étude allemande publiée dans la Revue European Radiology.

Save the date: SPIMED-IA, le congrès dédié à l'intelligence artificielle en imagerie médicale
26/07/2019 : Les nouvelles applications de l'intelligence artificielle en imagerie médicale sont nombreuses et prometteuses. Le congrès SPIMED sera consacré, en septembre prochain, à cette discipline, avec notamment des présentations sur les applications par pathologie d'organe.

Sensibilité, spécificité, précision et rapidité : l'effet IA pour l'interprétation de la tomosynthèse
01/08/2019 : L'intelligence artificielle (IA) contribue à améliorer l'efficacité et la précision de l'imagerie du sein par tomosynthèse, selon une nouvelle étude publiée dans la revue Radiology: Artificial Intelligence. Le temps d'interprétation, ainsi que la sensibilité et la spécificité du diagnostic s'en trouvent également bonifiés.

Un patient reçoit double dose en radiothérapie stéréotaxique
02/08/2019 : Les périodes de surcharge de travail, on le sait, sont susceptibles d'entrainer des erreurs de pratique. Le service de radiothérapie du Centre François Baclesse de Caen en a fait l'expérience récemment avec un ESR de niveau 2.

DxPlanning DR coordonne la complexité des unités d'imagerie
14/10/2013 :   La solution DxPlanning DR de Medasys se présente comme un véritable tableau de service électronique, conçu pour l'organisation des unités d'imagerie et la coordination des équipes médicales. Élaborée avec le concours du Pr Pierre-Jean Valette aux Hospices Civils de Lyon, elle répond aux aspirations des gestionnaires de services, qui pourront l'évaluer lors des démonstrations proposées par Medasys aux JFR 2013  

PIMM: Un système souple et adaptable pour répondre aux besoins territoriaux
12/02/2018 : Le PIMM semble la réponse appropriée du système de Santé pour assurer une permanence des Soins en imagerie médicale. C'est ce qui ressort du webinar, organisé par le Cabinet Houdart & Associés, qui y était consacré et auquel participait le Dr Pascal Béroud, du SRH.

Enterprise Imaging: plus qu'un PACS !
08/10/2018 : En faisant le choix d'Enterprise Imaging, le CHU de Nîmes a opté pour un outil qui va au-delà de la notion de PACS. Cette réflexion du Pr Jean-Paul Beregi, que nous avons rencontré, illustre la maturité de cette solution et la qualité de l'accompagnement Agfa HealthCare dans ce projet.

Le CH de Soissons inaugure son nouveau service de radiothérapie
15/07/2019 : Le CH de Soissons vient d'inaugurer un nouveau service de radiothérapie dans ses locaux. Ce projet a fait l'objet de la constitution d'un GCS avec l'Institut Godinot de Reims.