Le RSNA Cervical Spine Fracture AI Challenge a rendu son verdict
Le RSNA Cervical Spine Fracture AI Challenge 2022 a rendu son verdict en sélectionnant les 8 projets les plus performants parmi plus de 20 000 candidatures soumises. Ces algorithmes de haute qualité font avancer de manière significative la recherche sur l’IA en radiologie
La Radiological Society of North America (RSNA) parraine chaque année des challenges sur le thème de l’intelligence artificielle (AI) appliquée à l’imagerie médicale afin de résoudre des problèmes de diagnostic spécifiques.
Plus de 20 000 candidats pour le RSNA Cervical Spine Fracture AI Challenge
Le RSNA Cervical Spine Fracture AI Challenge 2022 a invité les participants à développer des modèles d’IA capables de détecter, d’identifier et de localiser avec précision les fractures de la colonne cervicale. Dans un nouvel article publié dans la revue Radiology: Artificial Intelligence, des chercheurs ont évalué les performances des meilleurs modèles d’IA élaborés dans ce cadre.
Les fractures de la colonne cervicale sont courantes et, si elles ne sont pas traitées correctement, peuvent entraîner une détérioration neurologique ou des complications beaucoup plus graves. L’IA est un outil prometteur pour aider les radiologues à établir un diagnostic rapide et précis.
Pour ce challenge, ce sont, au total, 1 108 concurrents, répartis dans 883 équipes dans le monde entier, qui ont participé au RSNA Cervical Spine Fracture AI Challenge, avec 12 871 candidatures soumises. Les 8 algorithmes les plus performants ont été sélectionnés en fonction de leurs performances pondérées en matière de perte de log dans l'ensemble de examens réalisés.
Un concours qui stimule l’innovation sur le champ de l’IA appliquée à la radiologie
« En plus de favoriser la collaboration, ces concours accélèrent les découvertes dans le domaine et génèrent des algorithmes innovants et performants, open source, pour l’avancement de la recherche sur l’IA en radiologie », écrivent les auteurs.
Les 8 algorithmes les plus performants ont démontré des performances extrêmement élevées, semblant surpasser bon nombre des algorithmes d’IA précédemment rapportés dans la littérature. Cela met en valeur l’apport de la concurrence ouverte, de la collaboration multi-institutionnelle et multinationale et des données volumineuses et hétérogènes mises en jeu. Le succès du concours met en évidence également le potentiel de tels travaux pour stimuler l’innovation et faire progresser le domaine de la recherche sur l’IA et des soins aux patients.
« Ce concours a facilité le développement de modèles d'IA capables de détecter et de localiser les fractures de la colonne cervicale par tomodensitométrie avec des résultats de haute performance, qui semblent dépasser les valeurs connues des modèles précédemment rapportés », concluent les auteurs.
SUR LE MÊME THÈME
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 -
Le lexique radiologique standardisé RadLex fête ses vingt ans
RadLex, un lexique radiologique complet développé par la Radiological Society of North America (RSNA) destiné à proposer un langage commun pour communiquer les résultats diagnostiques par les radiologues, célèbre son 20e anniversaire en 2025.
22/04/2025 -
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.