Recevez chaque jour toute l'actualité du numérique

x

Facebook a développé un système capable de prédire la probabilité d’aggravation des symptômes du Covid-19

Des chercheurs de Facebook AI et de l'Ecole de médecine de l'Université de New York viennent de présenter des systèmes d'apprentissage automatique qui peuvent prédire la probabilité que l'état d'un patient atteint du Covid-19 ne se détériore, ou qu'il ait besoin d’oxygène, d'après ses radiographies thoraciques. Ces algorithmes ont été publiés sur GitHub pour que les médecins du monde entier puissent les utiliser.
Twitter Facebook Linkedin Flipboard Email
×

Facebook a développé un système capable de prédire la probabilité d’aggravation des symptômes du Covid-19
Facebook a développé un système capable de prédire la probabilité d’aggravation des symptômes du Covid-19 © Maryrosegrant

Facebook AI, la division de recherche en intelligence artificielle de Facebook, et l'Ecole de médecine de l'Université de New-York (NYU) ont développé trois systèmes d'apprentissage automatique capables de prédire jusqu'à 4 jours à l'avance si l'état d'un patient atteint du Covid-19 va se détériorer, à partir de ses radiographies du thorax. Les chercheurs viennent de publier leurs modèles sur GitHub.

Anticiper la demande en oxygène
Ces algorithmes doivent permettre d'éviter de renvoyer trop tôt un patient à domicile alors que son état pourrait se détériorer par la suite et aux hôpitaux d'anticiper la demande en oxygène.

Dans les détails, l’un prédit la détérioration du patient sur la base d’une seule radiographie pulmonaire, un autre fait de même avec une série de radiographies et un troisième utilise une seule radiographie pour prédire la quantité d’oxygène supplémentaire (le cas échéant) dont un patient pourrait avoir besoin.

Utiliser des data sets publics
Les chercheurs ont préformé leurs modèles via deux data sets publics qui stockent des données de radiographie pulmonaire saine, MIMIC-CXR-JPG et CheXpert, en utilisant une technique d'apprentissage non supervisée. Appelée Momentum Contrast (MoCo), cette technique a permis aux modèles de tirer des conclusions des scanners sans que ces derniers n'aient besoin d'être préalablement étiquetés.

Pour affiner leurs systèmes, les scientifiques ont ensuite utilisé un plus petit data set de l'Université de New York, qui contenait 26 838 radiographies du thorax de 4914 patients atteints du Covid-19. Chaque imagerie médicale a été étiquetée en fonction du temps que l'état du patient a mis à se détériorer (24, 48, 72 ou 96 heures) via deux classificateurs. Un classificateur prédit la détérioration du patient sur la base d'une seule radiographie tandis que le second utilise une série de radiographies.

Au niveau des performances, les chercheurs affirment que leurs modèles ont surpassé les experts humains pour ce qui est de la prévision des besoins en soins intensifs, des prévisions de mortalité et des prévisions globales d'événements indésirables à plus long terme, jusqu'à 4 jours. 

Des risques de biais 
Mais ces résultats ont des limites. Des travaux menés par l'Université de Toronto, le Vector Institute et le Massachusetts Institute of Technology (MIT) ont révélé que les ensembles de données de scanners pulmonaires utilisés pour entraîner les réseaux de neurones des modèles, y compris MIMIC-CXR et CheXpert, possédaient des biais. Ainsi, les patients blanc sont surreprésentés par rapport aux patients hispaniques. 

Réagir

* Les commentaires postés sur L’Usine Digitale font l’objet d’une modération par l’équipe éditoriale.

 
media