Recevez chaque jour toute l'actualité du numérique

x

Facebook AI rend les IRM quatre fois plus rapides grâce au deep learning

Les chercheurs en intelligence artificielle de Facebook et les médecins de l'Ecole de médecine de l'Université de New York ont développé un système qui reconstitue parfaitement des images d'IRM tout en étant quatre fois plus rapide qu'un examen standard.
Twitter Facebook Linkedin Flipboard Email
×

Facebook AI rend les IRM quatre fois plus rapides grâce au deep learning
Facebook AI rend les IRM quatre fois plus rapides grâce au deep learning © Wikimedia - MeunierAurelia

La division de recherche en intelligence artificielle de Facebook (FAIR) et l'Ecole de médecine de l'Université de New York (NYU) sont parvenues à développer un modèle d'intelligence artificielle permettant de considérablement réduire la durée des IRM. Deux ans après l'annonce de leur partenariat à l'été 2018, les chercheurs ont obtenus des résultats concluants pour ce projet baptisé FastMRI.

Un réseau de neurones pour compléter les images
Traditionnellement les IRM utilisent une formule mathématique pour générer des images à partir des données issues de la résonance magnétique. Collecter les données nécessaires peut souvent prendre plus d'une heure. Un examen qui peut être compliqué à réaliser pour les personnes malades, blessées, claustrophobes ou en bas âge. C'est pourquoi le projet FastMRI cherche à réduire la durée des IRM.

Les équipes ont planché sur le développement d'un réseau de neurone capable de combler un manque de données pour reconstituer une image. Les équipes de Facebook assurent avoir "expérimenté des milliers de variantes du modèle" avant de trouver un algorithme qui arrive à recréer une image fiable et précise en comblant lui-même les lacunes issues du manque de données. Pour parvenir à ce résultat, le réseau de neurones a été entraîné à reconstituer des images à partir d'une base de données comportant près de 1 200 IRM du genou.

A gauche les données obtenues avec un examen standard. A droite, l'image finale une fois que toutes les données ont été assemblées.

 

A gauche, les données obtenus après un examen quatre fois plus rapide. A droite, l'image reconstituée à partir de ces données et de l'algorithme d'IA.

 

Pas de différence de diagnostic
Afin de tester la fiabilité de l'algorithme, six radiologues ont été conviés à analyser deux séries d'IRM du genou provenant de 108 patients. Les images qui leur ont été montrées étaient bien évidemment anonymes. Pour chaque patient, deux jeux d'images ont été fournies : les unes provenant d'une IRM standard et les autres de la méthode rapide.

"L'étude a révélé qu'il n'y avait pas de différence significatives dans les diagnostics des radiologues", assure Facebook. Les mêmes anomalies et pathologies ont été trouvées, peu importe la provenance des images. Et cinq radiologues sur les six n'ont pas été capables de distinguer quelles images provenaient de quelle technique.

Cette découverte pourrait non seulement permettre d'améliorer le confort des patients avec des examens plus rapides, mais aussi de recevoir plus de patients pour faire des IRM. L'ensemble des travaux de recherches et le modèle développé sont en accès libre sur GitHub. Les partenaires expliquent avoir une approche ouverte afin de permettre à chacun d'avancer sur ce sujet. Les recherches sur l'utilisation de systèmes d'intelligence artificielle dans le domaine de la radiologie sont nombreuses. Mais très souvent, les équipes cherchent à établir directement des diagnostics à la place du médecin et non pas à compléter les lacunes éventuelles de l'examen lui-même.

Réagir

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

 
media