Publicité
Réservé aux abonnés

Comment l'intelligence artificielle transforme la radiologie

Le premier scanner doté d'intelligence artificielle, le Canon CT Aquilion One Genesis, sera installé, au CHU de Dijon en décembre. Crédit : Canon Medical Systems

ENQUÊTE - Combinée à la multiplication des images traitées et à la pénurie de médecins, l'IA est devenue incontournable dans le domaine de l'imagerie médicale.

Pendant quatre jours, ils ont travaillé 24 heures sur 24 à l'élaboration d'algorithmes pour imaginer la radiologie de l'avenir. Cent quatre-vingts étudiants ingénieurs, médecins, chercheurs et industriels ont planché en équipes sur quatre cas (échographie du foie, scanner du cortex…) à partir de la plus importante base de données jamais constituée en Europe: 3500 patients ont accepté de mettre leurs examens anonymisés au service de ce Data Challenge, organisé lors des Journées françaises de radiologie.

«L'intelligence artificielle (IA) devient incontournable en radiologie en 2018, explique Nathalie Lassau, professeur de radiologie à l'Institut Gustave-Roussy, à l'origine du projet. Elle permettra aux médecins d'améliorer le diagnostic, de mieux organiser les soins et de dégager du temps pour les patients. Mais il faut aujourd'hui orienter les industriels vers les bons cas cliniques et créer des liens pour structurer un vrai écosystème.» Si des médecins ont redouté avec l'IA la fin des radiologues…

Cet article est réservé aux abonnés. Il vous reste 77% à découvrir.

Vente Flash

4,49€/mois pendant 12 mois

Déjà abonné ? Connectez-vous

Comment l'intelligence artificielle transforme la radiologie

S'ABONNER
Partager

Partager via :

Plus d'options

S'abonner
1 commentaire
  • Jean-François Chaussier

    le

    < Combinée à la multiplication des images traitées et à la pénurie de médecins, l'IA est devenue incontournable dans le domaine de l'imagerie médicale. >
    La multiplication des images traitées n’est pas un critère pour l’IA. Le problème est de trouver les bons experts et de leur faire accoucher de diagnostics sous forme de règles d’évènements et de les chaîner par inférence (déduction-induction) sur une profondeur de raisonnement pertinente. On obtient ce résultat par le brainstorming comme application de la dialectique hégélienne.

À lire aussi