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

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.

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.


Les sociétés savantes américaines collaborent autour d'un CR structuré de scanner lié au COVID-19
27/03/2020 : Dans un souci d’efficience dans l’annonce de la pathologie de COVID-19 et de réduction de l’anxiété des correspondants et des patients, les principales sociétés savantes américaines ont élaboré un document de consensus. Un modèle de compte rendu structuré a fait l’objet d’un consensus.

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.  

COVID-19 : les radiologues Vidi solidaires et mobilisés dans la guerre sanitaire
25/03/2020 : Alors que certains cabinets de radiologie ont dû fermer par manque de moyens de protection contre le COVID, les radiologues du Groupe Vidi se mettent à la disposition de leurs confrères. Ils se montrent solidaires et mobiliser pour aider à gagner la guerre sanitaire.

Les recommandations de la SFMN pour l'organisation de la médecine nucléaire en environnement COVID-19
24/03/2020 : Afin d’assurer une bonne prise en charge des patients en médecine nucléaire pendant l’épidémie de COVID-19, la SFMN a publié des recommandations spécifiques pour une bonne organisation des services traitant de cette spécialité.

Une nouvelle application de compte rendu structuré mis à disposition des radiologues
24/03/2020 : Comme certains de ses concurrents, la plateforme Keydiag met à disposition des radiologues gratuitement son application de comptes rendus structurés en tomodensitométrie pulmonaire. Un joli geste de solidarité dans le contexte épidémique actuel.

Scanner du COVID-19 : comprendre l'évolution des lésions à un mois
23/03/2020 : Une nouvelle étude publiée dans la Revue Radiology pourrait permettre de comprendre l’évolution des images COVID-19 au scanner. Un suivi des patients à un mois a en effet été réalisée dans ce travail.

Lancement du Réseau de veille sanitaire COVID-19 Imagerie SFR
23/03/2020 : La Société Française de Radiologie et le G4 lancent le Réseau COVID-19 Imagerie SFR, une plateforme de veille sanitaire nationale sur le COVID-19. Basée sur quatre indicateurs spécifiques, elle se veut complémentaire de la base de données scanographiques déjà ouverte dans ce cadre.

L'embolie pulmonaire aigüe comme complication du COVID-19
19/03/2020 : L’embolie pulmonaire aigüe est une cause de détérioration clinique des pneumonies virales. Un article paru dans la Revue Radiology : Cardiothoracic imaging rapporte deux cas d’embolie pulmonaire consécutive au COVID-19.

Recommandations contre le COVID-19 pour les centres de radiothérapie
18/03/2020 : Les personnels médicaux et paramédicaux des centres de radiothérapie sont appelés à suivre les recommandations que vient de publier la SFRO dans le cadre de la lutte contre l’épidémie de COVID-19. Ce texte est appelé à évoluer dans le temps.

Un compte rendu structuré gratuit pour le diagnostic de COVID-19
18/03/2020 : Afin de participer à l’effort mondial contre l’épidémie de COVID-19, la start-up Smart Reporting donne accès gratuitement aux comptes rendus structurés pour le diagnostic de cette pathologie.


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.

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 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 du COVID-19 : comprendre l'évolution des lésions à un mois
23/03/2020 : Une nouvelle étude publiée dans la Revue Radiology pourrait permettre de comprendre l’évolution des images COVID-19 au scanner. Un suivi des patients à un mois a en effet été réalisée dans ce travail.

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.

L'embolie pulmonaire aigüe comme complication du COVID-19
19/03/2020 : L’embolie pulmonaire aigüe est une cause de détérioration clinique des pneumonies virales. Un article paru dans la Revue Radiology : Cardiothoracic imaging rapporte deux cas d’embolie pulmonaire consécutive au COVID-19.

Coronavirus au scanner : des images différentes selon le stade d'évolution
21/02/2020 : Dans une nouvelle recherche publiée le 20 février 2020 dans la revue Radiology, des chercheurs du Mount Sinai Health System de New York ont démontré que les images scanographiques dans les cas de coronavirus 19 (COVID-19) sont liées à l'évolution de l'infection.

Nouveau cas de pneumonie par COVID-19 décrit au scanner
10/03/2020 : Un nouveau cas clinique lié au COVID-19 a été décrit dans la Revue Radiology. Le scanner montre les images caractéristiques de la pneumonie provoquée par le virus et montre une légère résorption au 9ème jour d‘hospitalisation après traitement.

L'ACR remet en cause la spécificité du scanner pour diagnostiquer le COVID-19
16/03/2020 : Alors que des études récentes présentaient le scanner comme l’examen de base pour le dépistage du COVID-19, l’American College of Radiology vient de publier des recommandations qui modèrent ces premiers résultats. La spécificité de cet examen semble en effet inférieure aux test viraux de biologie.

COVID-19 : le scanner 3D d'une patiente infectée
06/03/2020 : Les images reconstruites du scanner effectué sur une patiente infectée par le COVID-19 montrent bien une prédominance d’images en verre dépoli dans les zones péri-hilaire et sous-pleurale.