Publication de la première base de données MIDRC-RECORD COVID-19
La recherche en imagerie du COVID-19 dispose désormais, avec la base de données images scanographiques RECORD hébergée par la National Cancer Institute américain, d’un outil ouvert pour faire évoluer les savoirs dans ce domaine et élaborer des algorithmes de deep learning dédiés. La base devrait bientôt s’enrichir d’images scanner COVID-négatives et d’images radiologiques thoraciques COVID+.
La Radiological Society of North America (RSNA) et le RSNA COVID-19 AI Task Force ont annoncé, le 18 décembre 2020, la publication du premier ensemble de données annotées de la base ouverte de radiologie RSNA International COVID-19 (RICORD) par The Cancer Imaging Archive (TCIA).
Une base de données images COVID+ mise à disposition des chercheurs en imagerie
La RSNA a lancé RICORD à la mi-2020 dans le but de créer la plus grande base de données ouverte d'images médicales COVID-19 anonymisées au monde. Celle-ci est mise gratuitement à la disposition des communautés mondiales de recherche et de formation pour obtenir de nouvelles connaissances, appliquer des modèles de deep learning, et accélérer la reconnaissance clinique de cette nouvelle maladie. Créé grâce à une collaboration entre la RSNA et la Society of Thoracic Radiology, le groupe initial se compose de 120 images scanner COVID+ provenant de quatre sites internationaux.
« La RSNA a pu s'appuyer sur les relations établies à partir de défis de deep learning antérieurs pour constituer rapidement un groupe de travail sur l'IA COVID-19, précise le Dr Carol Wu, radiologue au MD Anderson Cancer Center et membre du groupe de travail RSNA. Les sites contributeurs, déjà compétents dans le partage de données avec la RSNA, ont été en mesure de traiter rapidement les accords juridiques nécessaires, d'identifier les cas appropriés, de procéder à l’anonymisation des images et de transférer celles-ci à une vitesse record. »
Un travail approuvé et soutenu par la STR, l’ACR et la RSNA
Les données images ont ensuite été annotées avec des tags de segmentation et de classification détaillées, selon les lignes directrices décrites dans l’Expert Consensus Document on Reporting Chest CT Findings Related to COVID-19 approuvé par la Society of Thoracic Radiology, l'American College of Radiology et la RSNA publié dans Radiology. Deux équipes de radiologues dirigées par le Dr Scott Simpson, de l'Université de Pennsylvanie, et le Dr Emily Tsai, de l'Université de Stanford, ont terminé le travail d'annotation plus finement. Cet ensemble de données représente le premier recueil publié de RICORD et la première contribution de la RSNA au Medical Imaging and Data Resource Center (MIDRC), hébergé par l'Université de Chicago.
« La RSNA est extrêmement fière de faire partie des efforts du MIDRC, déclare le Pr Curtis Langlotz, agent de liaison du conseil d'administration de la RSNA pour la technologie de l'information et le congrès annuel. Il constituera un référentiel précieux de données pour la recherche afin de faire face à la pandémie actuelle et servira de modèle pour la collecte et l'agrégation des données pour soutenir la recherche en imagerie. »
Le National Cancer Institute met à disposition sa plateforme d’hébergement
Le Cancer Imaging Archive (TCIA) est un service fourni par le National Cancer Institute (NCI) à la communauté de chercheurs en imagerie du cancer qui anonymise et héberge une grande archive d'images médicales du cancer accessibles pour téléchargement public. Reconnaissant le besoin urgent d'accéder aux ensembles de données d'imagerie liés au COVID-19 pour la recherche, le NCI consacre une partie des ressources du TCIA pour gérer et héberger un accès libre et ouvert aux données d'imagerie des patients atteints de COVID-19. La RSNA s'est associée au TCIA pour tirer parti de l'infrastructure et des processus mis en place pour rendre ces données accessibles au public.
Le groupe de travail RSNA COVID-19 AI continuera à mettre à jour et à élargir le volume et la variété des données disponibles dans RICORD. Une collection de cas témoins négatifs pour la tomodensitométrie thoracique COVID-19 est en cours de publication, ainsi qu'un ensemble étiqueté de 1000 radiographies pulmonaires positives au COVID-19. Un ensemble encore plus grand d'images tomodensitométriques et radiographiques a été soumis à RICORD et est actuellement en cours de traitement.
Les sites intéressés à en savoir plus ou à fournir des données sont invités à visiter la page des ressources RICORD.
SUR LE MÊME THÈME
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 -
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 -
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 -
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 -
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 -
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.