Vous êtes dans : Accueil > Actualités > Intelligence Artificielle, Machine Learning > Des modèles pertinents de deep learning pour la radiographie thoracique

Des modèles pertinents de deep learning pour la radiographie thoracique

MARDI 03 DéCEMBRE 2019 Soyez le premier à réagirSoyez le premier à réagir

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.

RSNA

La radiographie thoracique a, depuis longtemps atteint ses limites en termes de diagnostic, notamment depuis la généralisation du scanner. Il n’empêche que cet examen a toujours son utilité et reste celui qui est le plus pratiqué dans le monde.

Des modèles combinant des données du Royaume-Uni et d’Inde

« Nous avons constaté que l’interprétation des radiographies du thorax est très subjective, a déclaré Shravya Shetty, responsable de l’ingénierie chez Google Health à Palo Alto, en Californie et co-auteur d’une étude publiée dans la Revue Radiology. Une variabilité significative entre les lecteurs et une sensibilité non optimale pour la détection de résultats cliniques importants peuvent limiter son efficacité. » Le deep learning a le potentiel d'améliorer l'interprétation des radiographies du thorax, mais il a aussi des limites. Par exemple, les résultats obtenus d'un groupe de patients ne peuvent pas toujours être généralisés à la population en général.

Les chercheurs de Google Health ont développé des modèles de deep learning dans ce cadre, permettant de surmonter certaines de ces limitations. Ils ont utilisé deux grands ensembles de données pour développer, former et tester les modèles. Le premier ensemble de données comprenait plus de 750 000 images provenant de cinq hôpitaux en Inde, tandis que le second ensemble comprenait 112 120 images mises à la disposition du public par le National Institutes of Health (NIH).

Des résultats identiques aux radiologues pour certaines images significatives

Un groupe de radiologues s'est réuni pour créer les annotations d’images pour certaines anomalies visibles sur les radiographies thoraciques utilisées pour former les modèles. « L'interprétation des radiographies thoraciques est souvent une évaluation qualitative, ce qui pose problème du point de vue du deep learning, poursuit Daniel Tse, chef de produit chez Google Health. En utilisant un champ plus large et plus diversifié de données de radiographie thoracique et en les évaluant par panel, nous avons pu produire des modèles plus fiables. »

Les tests des modèles de deep learning ont montré que leurs résultats étaient comparables à ceux des radiologues en détectant quatre types d’images significatives sur les radiographies thoraciques de face : fractures, nodules ou masses, opacités et pneumothorax. L’évaluation des radiologues a conduit à un consensus plus évolué des experts sur les annotations utilisées pour le paramétrage du modèle et sur l'évaluation de la performance. Le consensus global est passé d’un peu plus de 41% après la lecture initiale à plus de 97% après l’utilisation de la nouvelle cohorte.

Développer des modèles d'intelligence artificielle cliniquement utiles pour la radiographie thoracique

Les techniques d'évaluation de modèle rigoureuses présentent des avantages par rapport aux méthodes existantes, ont déclaré les chercheurs. Tout d’abord parce qu’elles mettent en jeu un vaste ensemble d'images cliniques en milieu hospitalier, par l’échantillonnage d’un ensemble divers de cas ensuite, et enfin parce que des métriques ajustées en fonction de la population donnent des résultats plus représentatifs et comparables. « Nous pensons que l'échantillonnage de données utilisé dans ce travail permet de représenter plus précisément l'incidence de ces affections, a déclaré le Dr Tse. À l'avenir, le deep learning peut constituer une ressource utile pour faciliter le développement continu de modèles d'intelligence artificielle cliniquement utiles pour la radiographie thoracique. »

L’équipe de recherche a mis à la disposition des chercheurs les étiquettes d’évaluation des milliers d’images du NIH à l’adresse suivante: https://cloud.google.com/healthcare/docs/resources/public-datasets/nih-chest#. additional_labels. « La base de données du NIH est une ressource très importante, mais les étiquettes actuelles sont bruyantes, ce qui rend difficile l'interprétation des résultats publiés sur ces données, a déclaré Shetty. Nous espérons que la publication de nos étiquettes contribuera à la poursuite des recherches dans ce domaine. »

Bruno Benque avec RSNA


toshiba

IA contre le COVID : NEHS DIGITAL et Thales unissent leurs forces
09/11/2020 : Dans le cadre de la lutte contre le COVID-19, Thales et NEHS DIGITAL ont récemment uni leurs compétences dans un projet de traitement des bases de données issues des scanners pulmonaires. Ils peuvent s’appuyer d’ores et déjà sur la base FIDAC.

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.


Les Jeudis de l'AFPPE, des webinaires pour garder le contact avec la communauté des manipulateurs
25/11/2020 : Afin de remplacer les journées de formations prévues en présentiel et de rester en contact avec la communauté des manipulateurs d’électroradiologie, l’AFPPE lance des webinaires qui leur sont dédiés, les Jeudis de l’AFPPE. Premier numéro le 10 décembre 2020.

DACS : le CHU de Poitiers opte pour une solution indépendante de dosimétrie patient
24/11/2020 : Le CHU de Poitiers a choisi la solution de dosimétrie patient Nexo[DOSE] pour suivre l’exposition de ses patients aux rayonnement ionisants. La physicienne Christelle Galais nous en dit plus sur les usages de ce logiciel.

Medsquare présente son nouveau site internet
24/11/2020 : En réalisant la refonte de son site internet, Medsquare donne l’image d’une société dynamique apte à répondre aux besoins de ses clients et partenairtes.

Hypertension et diabète : des facteurs favorisant les complications cérébrales du COVID-19
23/11/2020 : Certains patients atteints de COVID-19 présentent un risque plus élevé de complications neurologiques, hémorragies cérébrales ou AVC par exemple, selon une étude présentée lors du congrès de la Radiological Society of North America (RSNA). Les chercheurs ont déclaré que ces découvertes potentiellement mortelles étaient plus fréquentes chez les patients souffrant d'hypertension et de diabète.

Signature d'un partenariat pour la détection des AVC par IA à partir du scanner cérébral
19/11/2020 : En signant un partenariat avec Avicienna.AI, Canon Medical permet aux radiologues d’être alertés en cas d’AVC hémorragique ou ischémique lors d’un scanner cérébral.

Le suivi IRM des joueurs de tennis en surpoids objective une dégénérescence cartilagineuse accrue des genoux
19/11/2020 : Les sports de raquette semblent accélérer la dégénérescence des articulations du genou chez les personnes en surpoids souffrant d'arthrose, selon une étude présentée lors du dernier congrès de la Radiological Society of North America (RSNA). Une surcharge articulaire nocive déclenchant un stress de contact accru sur le ménisque sont des pistes pour expliquer le phénomène.

Plus qu'un fournisseur, Philips est un partenaire
18/11/2020 : Cette année 2020 a été marquée par une crise sanitaire inédite qui a bousculé l’ensemble des acteurs du domaine médical. Jérôme Chevillotte, responsable pôle Diagnostic de précision au sein des équipes Philips Commercial France, revient sur les actions concrètes des derniers mois.

Le Mois sans tabac ravive les besoins de scanner low dose pour le dépistage précoce du cancer du poumon
18/11/2020 : En ce mois sans tabac de sensibilisation au cancer du poumon, la FNMR souhaite interpeler les pouvoirs publics sur les avantages que pourrait apporter le scanner low dose pour le dépistage précoce de cette maladie.

Les apports de la tomosynthèse dans l'étude de Vérone dédiée au dépistage du cancer du sein
16/11/2020 : La tomosynthèse mammaire, en combinaison avec la mammographie synthétique, améliore la détection du cancer par rapport à la mammographie numérique seule, selon une étude italienne publiée dans la revue Radiology. Les résultats de l'étude ajoutent un soutien supplémentaire à l'utilisation du DBT dans les programmes de dépistage du cancer du sein en population.

Audiences records pour l'IDoR 2020
16/11/2020 : L’IDoR 2020 a connu un engouement sans précédent cette année. Le rôle majeur tenu par l’imagerie médicale dans le diagnostic et le traitement de la maladie à COVID-19 y a contribué grandement et les retours d’expérience feront l’objet d’un livre électronique.


Gadolinium et grossesse: des risques significatifs d'exposition fœtale
06/09/2019 : Selon une étude publiée dans la revue Radiology, un nombre limité mais préoccupant de femmes sont exposées à un produit de contraste au gadolinium au début de leur grossesse. Les chercheurs suggèrent de mener des mesures efficaces de dépistage de la grossesse afin de réduire l'exposition par inadvertance à ces agents de contraste en début de grossesse.

Plus qu'un fournisseur, Philips est un partenaire
18/11/2020 : Cette année 2020 a été marquée par une crise sanitaire inédite qui a bousculé l’ensemble des acteurs du domaine médical. Jérôme Chevillotte, responsable pôle Diagnostic de précision au sein des équipes Philips Commercial France, revient sur les actions concrètes des derniers mois.

Les apports de la tomosynthèse dans l'étude de Vérone dédiée au dépistage du cancer du sein
16/11/2020 : La tomosynthèse mammaire, en combinaison avec la mammographie synthétique, améliore la détection du cancer par rapport à la mammographie numérique seule, selon une étude italienne publiée dans la revue Radiology. Les résultats de l'étude ajoutent un soutien supplémentaire à l'utilisation du DBT dans les programmes de dépistage du cancer du sein en population.

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.

Un radiotraceur de l'épilepsie visible au TEP
22/01/2020 : Un radiotraceur qui se lie spécifiquement à une classe de récepteurs cérébraux lorsqu'il est injecté à des rats et à des humains vivants vient d’être mis au point par une équipe japonaise. Visible lors d’un examen de TEP, ce composé pourrait améliorer le diagnostic et le traitement de l’épilepsie.

Une revue exhaustive des manifestations multisystémiques du COVID-19
03/11/2020 : Deuxième volet de la revue exhaustive réalisée par la plateforme RadioGraphics sur les manifestations radiologiques du COVID-19. Une iconographie toujours aussi impressionnante des affections cardiaques, neurologiques, abdominales, pédiatriques ou musculo-squelettiques notamment, dues au virus.

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.

Évaluation de l'IRM synthétique pour le diagnostic de la Sclérose En Plaques
13/03/2018 : La technologie permet désormais de réaliser des séquences d'IRM synthétiques en une seule acquisition. Une étude publiée dans l'Euopean Journal of Radiology a comparé cette dernière avec l'IRm classique pour l'exploration de la Sclérose En Plaques (SEP).

Signature d'un partenariat pour la détection des AVC par IA à partir du scanner cérébral
19/11/2020 : En signant un partenariat avec Avicienna.AI, Canon Medical permet aux radiologues d’être alertés en cas d’AVC hémorragique ou ischémique lors d’un scanner cérébral.