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

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.


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.

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.

France Imageries Territoires, un vent de jeunesse dans la communauté
11/02/2020 : Le réseau de radiologues France Imageries Territoires compte désormais 270 praticiens. Les activités du groupe attirent de plus en plus de jeunes radiologues, les moins de 45 ans formant la majorité des adhérents.

L'étude NELSON promeut le dépistage du cancer du poumon par scanner
10/02/2020 : Le New England Journal of Medicine a publié, dernièrement les résultats de l’étude NELSON sur le dépistage du cancer du poumon chez les fumeurs. Il semble que le scanner low dose puisse significativement réduire le taux de mortalité de ces populations.

Deux nouvelles études en faveur de la tomothérapie pour le cancer du rectum
07/02/2020 : Deux nouvelles études internationales apportent une nouvelle fois la preuve des bénéfices apportés par la tomothérapie dans la prise en charge du cancer avancé du rectum. Combinée à la chimiothérapie et à la chirurgie, cette méthode apporte des résultats très satisfaisants.

Un catheter amégnétique pour les ablations cardiaques obtient le marquage CE
06/02/2020 : Le premier système d’ablation cardiaque en environnement soumis à un champ magnétique vient d’obtenir le marquage CE. Ceci est la promesse de nouvelles pratiques interventionnelles cardiaques guidées par l’IRM.

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.


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.

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.

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.

L'étude NELSON promeut le dépistage du cancer du poumon par scanner
10/02/2020 : Le New England Journal of Medicine a publié, dernièrement les résultats de l’étude NELSON sur le dépistage du cancer du poumon chez les fumeurs. Il semble que le scanner low dose puisse significativement réduire le taux de mortalité de ces populations.

Un nouvel espoir de procréer grâce à l'embolisation des fibromes utérins
13/06/2017 : L’embolisation partielle des fibromes utérins pourrait devenir le traitement de première intensifn pour les femmes qui souhaitent procréer. C’est ce qu’a montré une étude portugaise publiée dans la revue Radiology.

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.

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.

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.

La mesure de calcification aortique par scanner comme outil de prévention des maladies cardio-vasculaires
02/10/2018 : Selon une nouvelle étude publiée dans la revue Radiology, les mesures des calcifications aortiques abdominales par tomodensitométrie (TDM) sont de puissants prédicteurs de crises cardiaques et autres événements cardiovasculaires indésirables. La TDM aurait un potentiel plus élevé, dans ce cadre, que le score de risque de Framingham.