Please enable JavaScript.
Coggle requires JavaScript to display documents.
L’IA appliquée à l’interprétation des tests diagnostiques - Coggle Diagram
L’IA appliquée à l’interprétation des tests diagnostiques
IA
Tournant majeur en 2018
FDA autorise à EU le dépistage de la rétinopathie diabétique sans interprétation médicale uniquement grâce à l'IA
Définition
Théorie et développement concret de machines, systèmes et logiciels qui imitent l’intelligence humaine pour accomplir des tâches très évoluées
Basée sur une démarche d’apprentissage afin de reproduire une
partie de l’intelligence humaine à travers une application / système / processus
Types méthode
Machine learning
Plus ancien
Utilise un algorithme qui adapte lui-même le système à partir des retours faits par l'humain
Implique existence de données organisées
Alimentation du système par des données structurées et catégorisées lui permettant de comprendre comment classer de nouvelles données similaires
En fonction du classement, système exécute ensuite les actions programmées (peut identifier par ex si une photo montre un oiseau ou un lapin et classer le doc dans le dossier correspondant)
Après une 1ère phase d'utilisation, l'algorithme est optimisé à partir des feedbacks du développeur informant le système des classifications erronées et lui indiquent les bonnes catégories
Deep learning
Plus récent
Utilisation des réseaux de neurones profonds pour identifier des structures dans des volumes considérables de données
Chaque réseau neuronal se concentre sur une couche spécifique de la tâche à apprendre
C'est la superposition de ces couches de neurones qui permet au système d'effectuer une tâche spécifique
N'a pas besoin de données structurées
Système n'a pas besoin d'être entraîné par un développeur
Il évalue lui même le besoin de modifier le classement ou de créer des catégories inédites en fonction des nouvelles données
Besoin d'un volume de données beaucoup plus considérable (+ 100 millions d'entrées)
Fonctionnement
Tâches
De détection
Détection des nodules
De caractérisation
Diagnostic du cancer de poumon
Radiomique
Consiste à extraire des images numériques
Un grand nombre de caractéristiques complexes
Imperceptibles à l'oeil
A les combiner pour des tâches de classification/prédiction
Méthode prometteuse permettant à partir d'un très grand nombre de paramètres quantitatifs extraits d’images radiologiques et confrontés à la réalité clinique et biologique, de découvrir de nouveaux biomarqueurs diagnostiques, pronostiques ou prédictifs
Calcul automatique des temps de doublement volumique
Paramètre plus reproductif et sensible que le diamètre
But
améliorer la spécificité et la sensibilité
Adapter le seuil de détection
Etre critique sur la qualité de la segmentation
Dépistage du cancer broncho-pulmonaire
Meilleure performance du deep learning par rapport aux méthodes + anciennes du machine learning
Validation des détections en 2ème lecteur pour minimiser les erreurs de détection
En 1ère lecteur si forte valeur prédictive négative
Dépistage en imagerie thoracique
Dépistage cancer du poumon
Dépistage des nodules pulmonaires
Volumétrie des nodules, de l’emphysème, de la capacité respiratoire
Diagnostic covid