Des chercheurs entraînent l’IA à copier le regard des professionnels cliniques
Un système d’intelligence artificielle (IA), qui imite le regard des radiologues lisant des images médicales telles que des mammographies, a été développé par une équipe de scientifiques de l’Université de Cardiff.
Ce système, premier du genre, améliore la rapidité, la précision et la sensibilité des diagnostics médicaux et pourrait conduire à une détection précoce du cancer du sein, affirment les chercheurs.
L’équipe, de l’École d’informatique et d’informatique de l’Université, espère également qu’elle contribuera à remédier à la pénurie de radiologues à l’échelle du Royaume-Uni grâce à des applications de formation et d’éducation.
Pour construire le système, ils ont utilisé un algorithme sophistiqué connu sous le nom de réseau neuronal convolutif, conçu pour imiter les neurones du cerveau humain et spécifiquement calqué sur le cortex visuel.
Ce type d’algorithme est idéal pour prendre des images et attribuer de l’importance à divers objets ou aspects de l’image elle-même.
L’équipe de recherche a développé l’algorithme avec des radiologues de trois hôpitaux du NHS : Breast Test Wales, University Hospital of Wales (UHW) et Great Ormond Street Hospital.
Leurs conclusions, publiées dans Transactions IEEE sur multimédiamontrent que le système d’IA peut prédire avec précision les zones d’une image où les radiologues sont les plus susceptibles de regarder lors de la préparation d’un diagnostic.
Le Dr Hantao Liu, lecteur à l’École d’informatique et d’informatique de l’Université de Cardiff et l’un des co-auteurs de l’étude, a déclaré : « Avec tous les défis auxquels est confronté le NHS, il est important que nous nous tournions vers la science des données et l’IA pour d’éventuelles solutions. solutions.
“Cela ne signifie pas remplacer les humains par des robots, mais plutôt démontrer comment l’apprentissage automatique peut soutenir et augmenter le travail des professionnels cliniques. C’est exactement ce que nous avons fait dans notre étude, en développant un système qui peut fonctionner avec les radiologues pour agir comme un ami ou collègue lors de leur travail de diagnostic médical et soutenir la prise de décision qui en découle », explique le Dr Hantao Liu.
Le Dr Liu, qui a reçu un poste de recherche honoraire auprès du NHS Wales, vise à développer une feuille de route stratégique pour le déploiement de l’IA dans les départements de radiologie du Pays de Galles.
Le Dr Richard White, radiologue consultant à l’UHW qui a participé à l’étude, a déclaré : « Il y a tellement de données impliquées en radiologie que je pense qu’il est préférable que nous les utilisions ainsi que l’expertise disponible. Tous les radiologues oublient des choses. Souvent, nous ne le faisons pas. ” Nous ne le remarquerons pas pendant des années car cela peut être très subtil – il peut même ne pas paraître visible du tout dans certains cas. Mais nous savons que l’IA peut détecter des choses que nous ne voyons pas, donc, en ce sens, ce type de système va améliorer notre travail, en réduisant le risque d’erreurs.
« Nous voyons également comment le système nous aidera à prioriser les références de patients en trouvant des analyses et des images anormales afin que celles-ci puissent être signalées avant celles qui nécessitent moins d’attention. Je peux voir davantage de choses de ce genre se produire à l’avenir avec ce système, nous aidant pour lutter contre des listes d’attente souvent longues.
Alors que leur étude se concentre sur la prédiction du regard, les chercheurs du groupe de recherche en informatique multimédia de l’université de Cardiff affirment que les systèmes d’aide à la décision pourraient constituer la prochaine étape dans les applications cliniques de l’IA.
Zelei Yang, un autre radiologue de l’UHW qui a également participé à l’étude, a ajouté : « En fait, ce système apporte une plus grande humanisation de l’IA et donc une représentation plus réaliste de ce que nous faisons en tant que radiologues. Pour ces raisons, il est capable de révolutionner comment nous abordons l’apprentissage profond et ses applications cliniques, car il est désormais plus efficace et plus réaliste dans ce contexte plutôt qu’un simple outil développé pour le plaisir.
