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

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.

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.


Gamme de solutions DR : le diagnostic se cache dans les détails
21/09/2020 : Agfa a plus de 150 ans d'expérience en imagerie et est présent dans un hôpital sur deux dans le monde avec des produits et des solutions adaptés aux besoins de chaque site. La division imagerie médicale offre des solutions d'imagerie diagnostique qui fixent les normes les plus élevées en matière de productivité, de sécurité, de valeur clinique et de rentabilité. Grâce à son interface utilisateur intuitive et standardisée, au traitement intelligent de l'image MUSICA et à sa forte intégration dans les systèmes informatiques des hôpitaux, la station de travail MUSICA offre un flux de travail simplifié axé sur la sécurité des patients et la productivité.

L'IRM cardiaque pour sécuriser la reprise des athlètes victimes de myocardite post COVID-19
21/09/2020 : Dans une nouvelle étude menée par des chercheurs de l’État de l'Ohio (USA) et publiée en ligne dans le Journal of the American Medical Association (JAMA) Cardiology, l’IRM cardiaque est efficace pour identifier une myocardite due au COVID-19 chez les athlètes et peut aider à déterminer leur reprise de compétition en toute sécurité.

Communication des médecins : bientôt la fin de l’interdiction des procédés publicitaires
18/09/2020 : Le Gouvernement a déposé, le 10 septembre 2020, un projet de décret modifiant l’article 19 du code de déontologie médicale. Désormais, la « libre communication et de publicité » succèdera bientôt à « l’interdiction générale et absolue de publicité » pour les médecins.

Les étudiants manipulateurs bénéficieront d'une adaptation pour l'obtention du diplôme ou le passage à l'année supérieure
17/09/2020 : Alors que les étudiants manipulateurs n’ont pas pu accomplir toutes leurs unités d’enseignement pour cause de crise sanitaire, les Ministères concernés ont légiféré afin d’adapter les modalités de présentation au diplôme ou au passage à l’année supérieure

Le congrès 2020 de la SFRO prend à son tour une forme virtuelle
16/09/2020 : Le congrès de la SFRO 2020 sera cette année un événement 100% e-congrès. Les participants retrouveront, sur la plateforme en ligne, l’ensemble des prestations qui étaient prévues en présentiel, sous forme digitale.

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.

Triage des patients COVID à l'hôpital : le scanner thoracique fait référence aux HCL
15/09/2020 : Une étude menée aux Hospices Civils de Lyon (HCL) montre la pertinence de la tomodensitométrie pour le triage des patients hospitalisés atteints de COVID-19. Ce travail pluridisciplinaire a été publié dans la Revue European Radiology.

Immunothérapie : le deep learning à partir des images scanner plus pertinent que celui issu de la biopsie ?
15/09/2020 : Une étude rétrospective a montré que le modèle de deep learning d'iBiopsy® pour évaluer un marqueur d’immunothérapie à partir d’images scanner donne de meilleurs résultats que la radiomique issue de la biopsie.  

Les scanners du CHU de Montpellier choisissent une plateforme innovante pour les injections
14/09/2020 : Avec la plateforme CT EXPRES 3D, le CHU de Montpellier a fait le choix, pur les injections au sein de leurs unités de tomodensitométrie, d'un dispositif innovant, sécurisé, simple, économe et assurant une meilleure maîtrise du risque infectieux. Les radiologues responsables de ces unités reviennent pour nous sur les avantages de ce dispositif.

Pr Alain Luciani : même sous forme digitale, les JFR 2020 doivent rester interactives !
14/09/2020 : À quelques semaines de l’ouverture des JFR 2020, qui seront entièrement digitales (JFR.plus) cette année, nous avons rencontré le Pr Alain Luciani qui préside cet événement. Il évoque avec nous les raisons qui l’ont poussé à abandonner le format hybride initialement prévu, met en lumière les moments forts qui rythmeront ce congrès virtuel et souhaite que ce dernier reste interactif.


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.

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 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.

L'IRM cardiaque pour sécuriser la reprise des athlètes victimes de myocardite post COVID-19
21/09/2020 : Dans une nouvelle étude menée par des chercheurs de l’État de l'Ohio (USA) et publiée en ligne dans le Journal of the American Medical Association (JAMA) Cardiology, l’IRM cardiaque est efficace pour identifier une myocardite due au COVID-19 chez les athlètes et peut aider à déterminer leur reprise de compétition en toute sécurité.

Triage des patients COVID à l'hôpital : le scanner thoracique fait référence aux HCL
15/09/2020 : Une étude menée aux Hospices Civils de Lyon (HCL) montre la pertinence de la tomodensitométrie pour le triage des patients hospitalisés atteints de COVID-19. Ce travail pluridisciplinaire a été publié dans la Revue European Radiology.

Les étudiants manipulateurs bénéficieront d'une adaptation pour l'obtention du diplôme ou le passage à l'année supérieure
17/09/2020 : Alors que les étudiants manipulateurs n’ont pas pu accomplir toutes leurs unités d’enseignement pour cause de crise sanitaire, les Ministères concernés ont légiféré afin d’adapter les modalités de présentation au diplôme ou au passage à l’année supérieure

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.

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.

Communication des médecins : bientôt la fin de l’interdiction des procédés publicitaires
18/09/2020 : Le Gouvernement a déposé, le 10 septembre 2020, un projet de décret modifiant l’article 19 du code de déontologie médicale. Désormais, la « libre communication et de publicité » succèdera bientôt à « l’interdiction générale et absolue de publicité » pour les médecins.

Les scanners du CHU de Montpellier choisissent une plateforme innovante pour les injections
14/09/2020 : Avec la plateforme CT EXPRES 3D, le CHU de Montpellier a fait le choix, pur les injections au sein de leurs unités de tomodensitométrie, d'un dispositif innovant, sécurisé, simple, économe et assurant une meilleure maîtrise du risque infectieux. Les radiologues responsables de ces unités reviennent pour nous sur les avantages de ce dispositif.