Actualité web & High tech sur Usine Digitale

Recevez chaque jour toute l'actualité du numérique

x

Grâce au deep learning, cet outil pourrait simplifier le diagnostic des hémorragies cérébrales

Des chercheurs de l’université de Californie (Etats-Unis) ont mis au point un algorithme à même de repérer de très petites hémorragies cérébrales. Une avancée majeure pour la radiologie, tant poser un diagnostic sur cette pathologie peut être complexe. Le déploiement de cette technologie a démarré dans les centres de traumatologie outre-Atlantique.
Twitter Facebook Linkedin Flipboard Email
×

Grâce au deep learning, cet outil pourrait simplifier le diagnostic des hémorragies cérébrales
Grâce au deep learning, cet outil pourrait simplifier le diagnostic des hémorragies cérébrales © UCSF

Il aurait fait mieux que deux des quatre radiologues auxquels il était confronté. Un algorithme, créé par des chercheurs de l’université de Californie à San Francisco (UCSF) et à Berkeley (UCB), a réussi à détecter des hémorragies presque invisibles à l’œil nu sur des IRM du cerveau. Décrit dans une publication parue lundi 21 octobre dans la revue scientifique Proceedings of the National Academy of Sciences (PNAS), ce dernier irait au-delà de ce que l’intelligence artificielle permet déjà de faire pour prédire l’apparition de pathologies. Il devrait, en effet, apporter une aide précieuse dans ce qui reste à ce jour l’un des diagnostics médicaux les plus complexes à poser.

 

Une précision proche de la perfection

"Nous voulions quelque chose de pratique. Pour que cette technologie soit utilisée cliniquement, le niveau de précision devait impérativement tutoyer la perfection, a réagi Esther Yuh, professeure associée de radiologie à l’UCSF et co-auteure de l’étude. La barre est haute dans le cas des applications pour lesquelles une simple anomalie manquée est lourde de conséquences pour le patient… qui ne tolérera évidemment pas une performance en-deçà du niveau d’un humain." La possibilité offerte par l’algorithme de repérer précisément de minuscules anomalies constitue une grande avancée. Si celles-ci peuvent échapper à la vigilance des radiologues du fait de leur taille, elles peuvent néanmoins déboucher sur des hémorragies significatives.

 

L’élément-clé de cette recherche universitaire réside dans le choix des images sélectionnées pour nourrir l’algorithme. L’équipe a entraîné un réseau de neurones à l’aide de quelque 4 396 radios – auxquelles ont été adossées les annotations et commentaires de médecins. C’est la richesse de ces données qui a permis de créer un modèle aussi robuste. "Atteindre une précision de 95 % sur une seule image n’était pas satisfaisant car, sur une série de 30 images, vous poserez un mauvais diagnostic toutes les deux ou trois radios en moyenne, a relevé Esther Yuh. Pour que cela soit utile d’un point de vue clinique, les 30 images doivent être correctement interprétées. Si un ordinateur met en avant de nombreux faux positifs, cela ne fera que ralentir le professionnel de santé."

 

Des déploiements prévus dans les centres de traumatologie

L’algorithme a, dans les faits, identifié l’emplacement des anomalies dans le cerveau… avant de les classer selon le traitement que les médecins doivent administrer – le rouge correspond ainsi à une hémorragie méningée, le violet à une contusion et le vert à l’hématome sous-dural. Une démarche qui ne lui aurait pris qu’une seconde à traiter. Selon les scientifiques, l’outil répond aux attentes avec des analyses "au pixel près". Idéal, quand on sait qu’un point représentant un premier signe d’hémorragie peut ne pas dépasser 100 pixels. Par voie de communiqué, les auteurs de l’étude ont indiqué que leur algorithme va peu à peu être déployé dans divers centres de traumatologies à travers les Etats-Unis.

Réagir

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

 
media
Suivez-nous Suivre l'Usine Digitale sur twitter Suivre l'Usine Digitale sur facebook Suivre l'Usine Digitale sur Linked In RSS Usine Digitale