Publicité

Les acteurs de l'IA appelés à concourir au RSNA Cervicel Spine fracture AI Challenge

23/08/2022
De Bruno Benque avec RSNA

C’est un concours doté de 30 000 $ que la RSNA vient de lancer avec le « RSNA Cervical Spine Fracture AI Challenge ». Comme son nom l’indique, les concurrents devront créer une plateforme de deep learning pour l’identification des images pathologiques du rachis cervical.

La Radiological Society of North America (RSNA), en collaboration avec l'American Society of Neuroradiology (ASNR) et l'American Society of Spine Radiology (ASSR), vient de lancer le « RSNA Cervical Spine Fracture AI Challenge » pour déterminer si l'intelligence artificielle (IA) peut être utilisée afin de faciliter la détection et la localisation des lésions de la colonne cervicale.

Une compilation de TDM rachidiennes provenant des six continents

L'ensemble international de données d'imagerie compilé et organisé pour ce challenge est l'un des plus vastes et des plus diversifiés de son genre, comprenant notamment des tags détaillés, des annotations de radiologues et des segmentations. « Un aspect unique du RSNA AI Challenge de cette année est la grande diversité des données, remarque le Dr Errol Colak, Professeur adjoint au Département d'imagerie médicale de l'Université de Toronto (Canada). Notre équipe a compilé un vaste ensemble de données sur les tomodensitogrammes (TDM) du rachis cervical de 12 établissements dans neuf pays sur six continents différents. De plus, le concours de cette année introduira des données annotées de plusieurs manières, notamment des tags de niveau topographique, de la segmentation du corps vertébral et des cadres de délimitation au niveau de l'image. »

Obtenir un diagnostic rapide pour une prise en charge améliorée

Plus d'un million de fractures vertébrales et plus de 17 000 lésions de la moelle épinière surviennent chaque année aux États-Unis. Le site le plus courant de fracture de la colonne vertébrale est la colonne cervicale. Les populations âgées sont particulièrement vulnérables et les fractures peuvent être plus difficiles à détecter en imagerie en raison de la superposition de maladies dégénératives et d'ostéoporose.

Le diagnostic par imagerie des fractures de la colonne vertébrale chez l'adulte est désormais presque exclusivement réalisé par tomodensitométrie (TDM). La détection rapide de l'emplacement de toute fracture vertébrale est essentielle pour prévenir les complications neurologiques et la paralysie après un traumatisme. Les chercheurs espèrent que l'IA pourra aider à identifier et localiser rapidement les fractures.

Des annotations expertes pour des images pathologiques ou non

Pour créer l'ensemble de données issues du terrain, le groupe de travail sur la planification du challenge a collecté des données d'imagerie provenant de 1 400 examens TDM contenant des fractures de la colonne cervicale diagnostiquées et un nombre approximativement égal d'examens négatifs. Les spécialistes en radiologie de la colonne vertébrale de l'ASNR et de l'ASSR ont fourni des annotations expertes au niveau de ces images pour indiquer la présence, le niveau vertébral et l'emplacement de toute fracture de la colonne cervicale.

Un concours du meilleur modèle de deep learning doté de 30 000 $

Pour le challenge, les candidats essaieront de développer des modèles de deep learning correspondant aux performances des radiologues dans la détection et la localisation des fractures dans les sept vertèbres qui composent la colonne cervicale. « Les modèles de deep learning qui sont développés dans le cadre de ce challenge peuvent aider à faire progresser les soins aux patients en aidant les radiologues et autres médecins à détecter les fractures, ce qui peut être une tâche difficile, poursuit le Dr Colak. Ces modèles peuvent être particulièrement utiles dans les zones mal pourvues médicalement, notamment avec un accès limité à des neuroradiologues experts. De plus, ces modèles peuvent faciliter les soins aux patients en donnant la priorité aux TDM positifs pour l'examen par le radiologue dans les contextes cliniques à volume élevé.

Le RSNA Cervical Spine Fracture AI Challenge est ouvert à tous. La phase de compétition se terminera en octobre 2022, les 10 meilleurs concurrents étant susceptibles de recevoir un total de 30 000 $. Les gagnants seront célébrés dans la zone dédiée à l'IA lors du 108e congrès de la RSNA au McCormick Place de Chicago (USA).

SUR LE MÊME THÈME

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 -

IA & Données
Abonné(e)

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 -

IA & Données
Abonné(e)

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 -

IA & Données
Abonné(e)

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 -

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.