Découvrez les 8 lauréats du RSNA Screening Mammography Breast Cancer Detection AI Challenge
Huit équipes de chercheurs lauréates se sont partagé les 50 000 $ de prix du RSNA Screening Mammography Breast Cancer Detection AI Challenge. Ce concours a mis en compétition 1 700 équipes qui ont créé un algorithme de détection du cancer du sein. Ce challenge fait partie d’un projet de recherche plus large qui comparera les performances des IA avec les experts humains.
La Radiological Society of North America (RSNA) vient de rendre publics les résultats du RSNA Screening Mammography Breast Cancer Detection AI Challenge. Dernier d'une série de concours de recherche de ce type organisés par la RSNA depuis 2015, ce challenge demandait aux candidats de développer des modèles d'intelligence artificielle (IA) capables de détecter avec précision le cancer du sein à partir d'images de mammographie.
Un ensemble de données images varié adaptable à tous types de patientes
La mammographie de dépistage du cancer du sein a montré sa capacité à réduire le taux de décès et les outils d'IA ont le potentiel de rendre ce dépistage plus efficace et efficient. « Alors que nous sommes soumis à une pénurie mondiale de radiologues pour interpréter les mammographies de dépistage, ces derniers restent préoccupés par le bon fonctionnement des systèmes d'IA dans leur pratique, précise le Dr Linda Moy, professeur de radiologie à la NYU Grossman School of Medicine et éditeur de la revue Radiology. Cet ensemble de données diversifié et bien organisé peut être utilisé pour évaluer sa possible généralisation à diverses populations de patientes. »
Huit équipes lauréates se partagent les 50 000 $ de prix
Le challenge, hébergé sur une plateforme fournie par Kaggle, Inc., a attiré près de 1 700 équipes du monde entier. Le concours a été lancé le 28 novembre 2022 et s'est déroulé jusqu'en février 2023. Les solutions primées ont ensuite été examinées par une équipe d'experts bénévoles en IA pour confirmer les résultats. Les huit équipes soumettant les algorithmes les mieux notés se sont partagé un prix total de 50 000 $.
Les équipes gagnantes du RSNA Screening Mammography Breast Cancer Detection AI Challenge sont monsieur robot, détecteur de cancer, H.B.M.F., CDI, Coureurs, Mistral chiral, Luddite&MT et Cci. Le comité d'experts a également décerné le prix du mérite éducatif à l'équipe monsieur robot pour la clarté de sa solution et du matériel de présentation qui l'accompagne.
Un large projet de recherche qui comparera les performances des algorithmes avec des experts humains
L'ensemble de données utilisé dans le challenge a été fourni par des programmes de dépistage par mammographie en Australie et aux États-Unis. Il comprend des tags détaillés avec les évaluations des radiologues et les résultats de suivi des pathologies pour les tumeurs malignes suspectées. L'ensemble de données restera disponible pour une utilisation dans des recherches ultérieures. Ce challenge fait partie d'un projet de recherche plus large qui analysera le fonctionnement des modèles générés dans la compétition par rapport à des données inédites et comparera leurs performances à celles d'observateurs humains experts.
SUR LE MÊME THÈME
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 -
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 -
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.