Publicité

Actu des start-up : Therapixel remporte le Digital Mammography Challenge

07/06/2017
De Bruno Benque

Therapixel a remporté le ” Digital Mammography Challenge”, un concours international à laquelle participaient près de 1 200 équipes de recherche et dont l’objectif était de trouver des algorithmes d’aide au diagnostic en mammographie.

Près de 1200 équipes participaient au ”Digital Mammography Challenge”, un concours international organisé par une dizaine d'organisations américaines dont IBM, Sage Bionetworks et Amazon et dont l’objectif est de proposer de nouveaux algorithmes d'intelligence artificielle capables d'augmenter le taux de détection de cancer à partir de mammographies de dépistage. 

Les candidats ont présenté des modèles prédictifs basés sur plus de 640 000 images de mammographie numérique anonymisées, provenant de plus de 86 000 patientes. IBM a annoncé le 2 juin 2017 que Therapixel, start-up française issue d’Inria, a remporté ce challenge, au bout de 4 phases ultra-compétitives.

Les algorithmes développés par Therapixel exploitent les réseaux de neurones convolutifs, dont les performances ont récemment surpassé leurs homologues humains dans plusieurs domaines. La véritable difficulté de ce challenge résidait dans l'extraordinaire quantité de données à traiter, couplée à des ressources de calculs très limitées : seulement 14 jours de calcul dans le cloud Amazon. L'algorithme vainqueur représente donc un compromis issu de ces contraintes. 

Les équipes de Therapixel sont donc confiantes dans le potentiel d'amélioration de la performance de leur algorithme.

SUR LE MÊME THÈME

IA & Données

Trouver le modèle qui puisse efficacement intégrer l'IA dans le flux de travail du radiologue

Le médecin-chercheur Eric J. Topol et le spécialiste en IA de Harvard, Pranav Rajpurkar plaident en faveur d'une séparation claire des rôles entre les systèmes d'IA et les radiologues dans un éditorial publié dans la Revue Radiology. Ils proposent un cadre que les radiologues doivent adapter à leurs...

28/08/2025 -

IA & Données
Un acteur français de l'IA propose deux outils TDM pour la détection du cancer

Un acteur français de l'IA propose deux outils TDM pour la détection du cancer

Gleamer, acteur française de l’IA médicale, a lancé en juillet dernier sa suite OncoView destinée à assister les radiologues dans la détection précoce du cancer par densitométrie (TDM).

22/08/2025 -

IA & Données
Un réseau de radiologues français conclut un accord avec un fournisseur d'IA pour le diagnostic

Un réseau de radiologues français conclut un accord avec un fournisseur d'IA pour le diagnostic

Gleamer a annoncé, le 10 Juillet 2025, la signature d’un partenariat stratégique avec le réseau France Imageries Territoires (FIT) pour le déploiement des solutions Gleamer Copilot® dans l’ensemble des centres d’imagerie du réseau FIT.

29/07/2025 -

IA & Données
Les comptes rendus radiologiques ne sont pas près de passer par GPT-4
Abonné(e)

Les comptes rendus radiologiques ne sont pas près de passer par GPT-4

Les grands modèles de langage multimodaux seraient-ils capables de réaliser des comptes rendus radiologiques ? Des résultats d’essais contradictoires troublent le ressenti sur les possibilités de GPT-4V, un modèle qui se concentre uniquement sur la précision diagnostique. Une étude publiée dans la R...

21/07/2025 -

IA & Données
Un nouvel outil d'extraction de données spécialisé en radiologie

Un nouvel outil d'extraction de données spécialisé en radiologie

Les méthodes d’élaboration des grands modèles de langage sont basées sur des règles qui ne traitent pas efficacement les données non standardisées. Des chercheurs britanniques présentent, dans un article publié dans la Revue European Radiology, RADEX, le nouvel outil d’extraction de données radiolog...

15/07/2025 -

IA & Données
Des grands modèles de langage sensés participer à l'annotation des images pour le deep learning
Abonné(e)

Des grands modèles de langage sensés participer à l'annotation des images pour le deep learning

Incontournables pour l’entrainement des modèles de deep learning, les annotations d’images radiologiques sont rébarbatives et chronophages pour les experts qui les créent. Des grands modèles de langage (LLM) pourraient remplacer les annotations humaines, comme l’indique un article scientifique publi...

23/06/2025 -

IA & Données
Les bonnes pratiques pour l'évaluation de la pertinence d'un outil d'IA en imagerie
Abonné(e)

Les bonnes pratiques pour l'évaluation de la pertinence d'un outil d'IA en imagerie

Radiologues, informaticiens et chercheurs présentent, dans un article publié dans la Revue Radiology, les pièges et les meilleures pratiques pour atténuer les biais des modèles d'intelligence artificielle (IA) en imagerie médicale. Ils présentent une sorte de feuille de route pour des pratiques plus...

13/06/2025 -

LETTRE D'INFORMATION

Ne manquez aucune actualité en imagerie médicale et radiologie !

Inscrivez-vous à notre lettre d’information hebdomadaire pour recevoir les dernières actualités, agendas de congrès, et restez informé des avancées et innovations dans le domaine.