Actu des start-up : Therapixel remporte le Digital Mammography Challenge
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
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 -
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 -
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 -
Des LLM affinés pour aider à la relecture des comptes rendus
Selon une nouvelle étude publiée dans la Revue Radiology, un grand modèle de langage (LLM) améliorerait sensiblement la détection des erreurs dans les comptes rendus de radiologie. Les chercheurs ont utilisé des comptes rendus synthétiques et des données ciblées pour donner au LLM de la légèreté.
23/05/2025 -
Agir sur la vulnérabilité des grands modèles de langage en radiologie
Dans un nouvel article spécial publié dans la Revue Radiology, des chercheurs abordent les défis de cybersécurité liés aux grands modèles de langage (LLM). Ils soulignent l'importance de mettre en œuvre des mesures de sécurité pour empêcher leur utilisation malveillante dans le système de Santé et m...
21/05/2025 -
Une feuille de route pour atténuer les biais de l'IA
Les biais diagnostiques créés par l’IA relèvent d’un manque d’informations démographiques incluent dans les données de santé. Dans un article publié dans la Revue Radiology, des chercheurs américains décrivent l’importance d’une définition homogène décrivant les groupes démographiques. Un travail qu...
20/05/2025 -
Essais sur une RAG pour améliorer les grands modèles de langages en radiologie
Pour renforcer les attributs des grands modèles de langage appliqués à la radiologie, la RAG, qui code les informations dans un espace vectoriel pour affiner les tâches des LLM basées sur la connaissance, semble pertinente. Dans une étude publiée dans la Revue Radiology : Artificial intelligence, de...
05/05/2025 -
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.