H.
HAIDAR AHMAD
APPORTS ET LIMITES DE L’INTELLIGENCE ARTIFICIELLE POUR L’IMAGERIE MÉDICALE M. HAMID SALIH
A. LUANGRATH
T. SEDE
Master Ingénierie de la Santé – Technologies Biomédicales et Territoires de Santé – 2021/2022 L. ZUGAJ
DOI : [Link] Suiveur : I. CLAUDE
De nos jours, la présence de l’Intelligence Artificielle (IA) se fait de plus en plus forte au sein des activités de l’Homme.
Parallèlement, le domaine de l’Imagerie Médicale ne cesse de s’améliorer et intègre déjà l’IA : qu’en est-il de son utilisation et quelles sont ses limites ?
1 CONTEXTE EN FRANCE 3 PRINCIPAUX USAGES ET APPORTS DE L’IA 4 CRITÈRES D’ÉVALUATION DE L’IA
Évolution Conséquences Acquisition de l’image - Taille de la base de données (au moins 100 000 images [7])
- Charge de travail des - Pas assez de radiologues - Type d’annotation des images (par des radiologues experts)
- Temps avec le patient ↘ IA de correspondance d’images - Méthodes d’entraînement (origine des données)
radiologues ↗
- Nombre d’images à - Erreurs médicales dues à Amélioration du Workflow - Performances (taux de faux positifs/négatifs)
analyser (environ 4 000 une lecture partielle des Positionnement automatique de la table - Temps de traitement
radiographies et 2 000 images Precise Position de Philips [4] - Études publiées
mammographies par mois [1]) - Capacité d’intégration aux autres systèmes d’informations
- Burn-out Reconstruction de l’image
[2] - Coût
[2]
Suppression des artéfacts via leur
fréquence
2 IMAGERIE MÉDICALE ET IA Rapport Signal/Bruit ↗ 5 LIMITES DE L’IA
Temps d’acquisition ↘
Imagerie Médicale Techniques
Image Conventionnelle AIR Recon DL
Différentes modalités qui 352x256 640x384 Air Recon DL de GE [5] - Besoin d’équipements informatiques puissants
01:55 min 01:18 min (processeur, carte graphique,...)
[2]
ne cessent d’évoluer
Aide au diagnostic - IA plus rapide mais moins créative que l’Homme
Intelligence Artificielle (IA) - Pas de justification des décisions prises = absence de
Détection et mise en évidence des tissus relation de cause à effet
DEEP LEARNING cancéreux, fractures, lésions, pathologies…
Intelligence
Artificielle
-Données non structurées (images) Priorisation des examens
Éthiques
Machine
-Beaucoup de données (> 1 million) - Crainte et confiance
Learning Minimisation des erreurs
-Apprentissage autonome BoneVjew de GLEAMER [6] - Gestion des données : sécurisation et anonymisation (loi
DL -Réseaux de neurones En terme de proportion :
n°2021-1017 du 2 août 2021 relative à la bioéthique, Règlement 2017/745, …)
Diagramme des couches en IA [3] -Tâches complexes (reconnaissance - Base de données hétérogène (besoin d’images de personnes de sexes,
d’images) Aide au diagnostic > Reconstruction de l’image > Acquisition de l’image tailles, poids, ethnies différentes pour avoir des résultats fiables en clinique)
Références bibliographiques
[1] Selon une Interview avec un spécialiste d'application d'Incepto, 10 décembre 2021.
[2] Flaticon. [En ligne]. Disponible sur : [Link] (consulté le nov. 24, 2021).
[3] P. Grenier, « Big Bang Data », Olea Image in, vol. 5, 2018. [En ligne]. Disponible sur : [Link]
6 CONCLUSION
[4] « L’IA pour gagner du temps et améliorer la précision dans le positionnement du patient », Philips Healthcare, juin 2021. [En ligne]. Disponible sur :
[Link]
[5] L. Bonner, « FDA Clears AIR Recon DL, Deep Learning-based MR image reconstruction technology from GE Healthcare », Axis Imaging News, mai 28, 2020. [En ligne]. Disponible sur :
- IA et radiologues unis pour le bien-être du patient
[Link] (consulté le nov. 24, 2021).
[6] GLEAMER, «BoneView». [Link] (consulté le nov. 24, 2021).
- Radiologues de demain seront remplacés par des radiologues assistés par l’IA
[7] Selon une Interview avec un spécialiste de modalité en IRM de Philips, 15 novembre 2021.
