Vous êtes dans : Accueil > Actualités > Intelligence Artificielle, Machine Learning > Assembler plusieurs modèles de machine learning pour affiner les résultats

Assembler plusieurs modèles de machine learning pour affiner les résultats

MERCREDI 27 NOVEMBRE 2019 Soyez le premier à réagirSoyez le premier à réagir

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.

RSNA

L'apprentissage ensembliste est une méthode de machine learning dans laquelle différents modèles conçus pour accomplir la même tâche sont combinés en un seul modèle. 

Faire coopérer des modèles de machine learning différents

L'hétérogénéité de ces modèles est souvent importante et les ensembles ont tendance à donner de meilleurs résultats lorsque la corrélation entre les prédictions de chacun des modèles individuels est relativement faible. Ainsi, plus les différences sous-jacentes d'approche sont importantes, plus l’efficacité de l’ensemble est satisfaite.

Dans ce cadre, un concours dans lequel les candidats sont invités à soumettre leurs meilleurs modèles constitue un moment idéal pour rassembler des modèles performants utilisant différentes techniques. « Les compétitions offrent une occasion unique d’étudier les effets de la combinaison de prédictions issues de modèles hétérogènes », a déclaré Ian Pan, étudiant en médecine à la Warren Alpert Medical School de la Brown University, à Providence, en Irlande du Nord et auteur d’une étude dans la Revue Radiology : Artificial Intelligence.

Un challenge pour l’étude de l’âge osseux utilisant plus de 12 000 radiographies

Pour étudier les améliorations de performance possibles pour l'estimation automatique de l'âge osseux grâce à l’intégration de plusieurs modèles, Pan et ses collègues ont utilisé 48 modèles provenant du 2017 RSNA Pediatric Bone Age Machine Learning Challenge. Les participants ont reçu 12 611 radiographies pédiatriques des mains avec un âge osseux déterminé par un radiologue pédiatrique afin de développer des modèles pour la détermination de l'âge osseux.

Les résultats finaux ont été déterminés en utilisant un ensemble de 200 radiographies étiquetées avec la moyenne pondérée de 6 évaluations. Les chercheurs ont évalué la corrélation et la performance moyennes des modèles par paires de toutes les combinaisons de modèles possibles en utilisant l'écart absolu moyen (MAD). 

Des combinaisons que l’on peut assimiler à des interprétations utilisant plusieurs avis

Le MAD estimé d'un modèle unique était de 4,55 mois. Le meilleur ensemble était composé de quatre modèles avec un MAD de 3,79 mois. La corrélation moyenne par paire des modèles au sein de cet ensemble était de 0,47. En comparaison, le MAD le plus bas possible en combinant les modèles les mieux classés basés sur des scores individuels était de 3,93 mois avec huit modèles présentant une corrélation moyenne de 0,67 par modèle.

« Nos résultats attirent l'attention sur un concept qui a des implications pratiques substantielles, alors que les algorithmes de machine learning commencent à passer de la recherche à l'environnement clinique, poursuit Ian Pan. À savoir que les meilleurs résultats sont susceptibles d’être obtenus en combinant plusieurs modèles précis et divers plutôt qu’à partir de modèles uniques. » Ainsi, les praticiens souhaitant incorporer des algorithmes de machine learning à leur flux de travail gagneraient à utiliser différents modèles, ce que l’on peut assimiler à une interprétation radiologique utilisant plusieurs avis.

Un nouveau challenge sur les hémorragies cérébrales au RSNA 2019

Ian Pan a ajouté que les résultats soulignent également l'importance de compétitions ouvertes, telles que le 2017 RSNA Pediatric Bone Age Machine Learning Challenge, car elles expérimentent des cas d'utilisation normalisé et une méthode d'évaluation objective appliquée de la même manière à tous les modèles. « Les concours de machine learning en radiologie devraient promouvoir le développement de modèles hétérogènes dont les prévisions peuvent être combinées pour obtenir des performances optimales », conclut-il.

Pour le 2019 RSNA Intracranial Hemorrhage Detection and Classification Challenge, les chercheurs ont travaillé au développement d'algorithmes permettant d'identifier et de classifier les sous-types d'hémorragies sur scanners cérébraux. L'ensemble de données, qui comprend plus de 25 000 examens fournis par plusieurs instituts de recherche, est le premier ensemble de données multiplanaires utilisé dans le cadre d'un challenge d'intelligence artificielle au RSNA.

Bruno Benque avec RSNA


toshiba

Intellifence artificielle et radiologie : forces et faiblesses
23/10/2020 : L’intelligence artificielle est au centre d’une communication du Dr Grégory Lenczner sur la plateforme Journées Francophones d’Imagerie Médicale (JFIM). Elle aborde les différentes fonctionnalités de l’IA ainsi que la récurrente question du remplacement du radiologue par la machine.

Détecter l'arthrose pré-symptomatique à l'IRM avec l'IA
05/10/2020 : Des chercheurs américains ont réussi à identifier des signes pré-symptomatiques de l’arthrose à l’aide de l’IA. Dans une étude parue dans la Revue PNAS, ils donnent des résultats en faveur de l’élaboration de médicaments expérimentaux susceptibles de traiter l’arthrose avant qu’elle n’apparaisse.

Un algorithme différentie la pneumonie COVID-19 des autres pneumonies sur la radiographie du thorax
28/09/2020 : Dans une nouvelle étude publiée dans la revue Radiology, un algorithme de deep learning est capable de différencier avec une sensibilité et une spécificité élevées une pneumonie COVID-19 d’une autre non-COVID-19 à partir de radiographies pulmonaires. Cet algorithme obtient de meilleures performances que les radiologues expérimentés.

L'embolie pulmonaire au centre du défi IA organisé au RSNA 2020
16/09/2020 : Au prochain RSNA, les meilleurs projets ayant concouru au défi IA seront présentés. Ce concours, qui promeut les modèles de deep learning pour l’amélioration des interprétations radiologiques, sera dédié cette année à l’embolie pulmonaire à partir d’images de scanner.

L'ESR regrette la baisse des budgets européens consacrés à la recherche médicale
24/08/2020 : L’ESR a récemment publié une déclaration dans laquelle elle regrette la décision de l’Union européenne de réduire son financement prévu pour divers projets de santé et de recherche à venir. Cette décision aura des conséquences néfastes sur la recherche européenne et entravera le potentiel de l’UE de devenir un pôle d’innovation pour l’intelligence artificielle et les soins de santé à l’avenir.

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.


Intellifence artificielle et radiologie : forces et faiblesses
23/10/2020 : L’intelligence artificielle est au centre d’une communication du Dr Grégory Lenczner sur la plateforme Journées Francophones d’Imagerie Médicale (JFIM). Elle aborde les différentes fonctionnalités de l’IA ainsi que la récurrente question du remplacement du radiologue par la machine.

Le Ségur numérique en radiologie est en marche !
20/10/2020 : Le Ségur du numérique en radiologie a abouti à la mise en place d’un groupe de travail impliquant les responsables de toutes les entités du secteur. Il s’agit de proposer une stratégie de conduite du changement en élaborant les indicateurs et incitatifs nécessaire à l’évolution des pratiques et des moyens.

Le congrès virtuel RSNA 2020 est déjà un succès
20/10/2020 : Pour son édition 2020 entièrement virtuelle, le congrès de la RSNA mettra à disposition des participants des fonctionnalités diverses optimisées par l’outil numérique. L’exposition technique comprend comme à l’accoutumée plus de 200 industriels et près de 15 000 e-congressistes sont déjà inscrits. C’est donc déjà un succès avant même son ouverture !

Les acteurs de la French Healthcare en imagerie médicale se mobilisent
19/10/2020 : L’Association French Healthcare fédère les entreprises et autres acteurs de la technologie de Santé française pour créer des synergies à l’international. À l’occasion des JFR.plus, elle a mis en lumière ses membres du secteur de l’imagerie médicale pour susciter le soutien de la communauté radiologique. La SFR est le premier de ces soutiens.

Les nouvelles solutions Fujifilm présentées aux JFR.plus
14/10/2020 : A l’occasion des JFR. Plus, la marque a présenté trois nouveaux équipements, le FDR Xair, le capteur D-EVO III et la table FDR Visionary RF Premium. Ces solutions visent à faciliter le travail des utilisateurs tout en améliorant l’expérience du patient.

Radiopédiatrie et radioprotection : l'IRSN fait le point
13/10/2020 : Dans son numéro de juillet 2020, le Magazine Repères de l’IRSN a dédié un dossier à la radiopédiatrie. Très surveillé par les radiopédiatres depuis longtemps, le risque ionisant pour les enfants les conduit à remplacer le scanner par l’échographie ou l’IRM, quand c’est possible. De leur côté, les cardiologues interventionnels réduisent les cadences d’images.

Affections pulmonaires et vasculaires dues au COVID-19 : une iconographie impressionnante !
13/10/2020 : La plateforme RadioGRaphics vient de publier une revue exhaustive des manifestations radiologiques du COVID-19. Première partie du document avec les signes pulmonaires et vasculaires.

Les prérequis de soumission des sujets pour l'ECR 2021
12/10/2020 : La campagne d’appel à soumission de sujets pour l’ECR 2021 est ouverte. L’ESR a, dans ce cadre, publié ses recommandations afin que le processus de relecture soit facilité.

Un nouveau Global Learning Center RSNA créé en Tanzanie
12/10/2020 : Après Cape Town (Afrique du Sud), c’est au tour de Muhimbili, en Tanzanie, de disposer d’un campus de formation pour radiologues régionaux initié par la RSNA. L’Administration nationale de la sécurité nucléaire américaine (NNSA) a subventionné ce nouveau Global Learning Center qui proposera de nombreux supports de formation.

Un dispositif de guidage IRM reçoit le 1er Prix de l'innovation en imagerie médicale aux JFR.plus
09/10/2020 : En obtenant le 1er Prix de l’innovation en imagerie médicale, le dispositif de guidage IRM pour l’interventionnel Certis Therapeutic fait la preuve de la fiabilité de son système. Le marquage CE est prévu en 2021.


Radiopédiatrie et radioprotection : l'IRSN fait le point
13/10/2020 : Dans son numéro de juillet 2020, le Magazine Repères de l’IRSN a dédié un dossier à la radiopédiatrie. Très surveillé par les radiopédiatres depuis longtemps, le risque ionisant pour les enfants les conduit à remplacer le scanner par l’échographie ou l’IRM, quand c’est possible. De leur côté, les cardiologues interventionnels réduisent les cadences d’images.

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.

Le scanner nouvel étalon pour le dépistage précoce du Coronavirus
27/02/2020 : Dans une étude de plus de 1000 patients, publiée dans la revue Radiology, la tomodensitométrie thoracique a surpassé les tests de laboratoire dans le diagnostic de coronavirus 2019 (COVID-19). Les chercheurs ont conclu que la tomodensitométrie devrait être utilisée comme principal outil de dépistage du COVID-19.

Les recommandations de la Société Française de Radiologie dans un contexte de COVID-19
13/03/2020 : La Société d’Imagerie Thoracique a publié un Point sur l’imagerie dans un contexte de COVID-19. Les types d’examens à réaliser, la conduite à tenir pour les professionnels et les images significatives sont ainsi détaillés.

Dedalus dévoile la dynamique de son offre en imagerie, centrée sur les usages des radiologues
02/10/2020 : Dedalus, qui a acquis l’activité logiciels d’Agfa HealthCare IT le 5 mai 2020, présente son offre complète en imagerie, couvrant tous les besoins du radiologue. Flexible, conçue pour s’adapter aux différents usages métier, accessible à partir d’un écran unique, elle réunit un RIS de la prise de RDV à la diffusion des résultats, un PACS, répondant aux enjeux de mutualisation des données, un viewer et une solution d’archivage neutre (VNA), d’aide à la décision et plus largement l’accès au télédiagnostic dans un contexte de crise sanitaire.

La lithotripsie intravasculaire pour traiter les sténoses coronaires calcifiées
04/03/2020 : Dans notre série de procédures interventionnelles en vidéo, nous vous présentons un webinar Incathlab qui présente une nouvelle procédure de traitement des sténoses très calcifiées, la lithotripsie intravasculaire.

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 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.

Les prérequis de soumission des sujets pour l'ECR 2021
12/10/2020 : La campagne d’appel à soumission de sujets pour l’ECR 2021 est ouverte. L’ESR a, dans ce cadre, publié ses recommandations afin que le processus de relecture soit facilité.

COVID-19 : participez au projet national organisé par la SFR avec NEHS DIGITAL
02/04/2020 : La Société Française de Radiologie (SFR), en partenariat avec NEHS DIGITAL, met en place une base de données nationale des scanners thoraciques devant des suspicions de COVID-19 ou des cas confirmés. Elle permet de rassembler le plus grand nombre de scanners afin de mieux connaitre la sémiologie diagnostique, mais également de déterminer des biomarqueurs pronostiques.