Des chercheurs de l'Université de Sanford ont
développé un algorithme d'auto-apprentissage qui peut diagnostiquer des images médicales (radiographie pulmonaire). Cette plate-forme logicielle est spécialisée uniquement dans la pneumonie, mais elle remplit mieux sa tâche que les
radiologues professionnels.
La pneumonie est différente et le réseau neuronal se distingue par 14 de ses variétés par rayons X. Les scientifiques ont publié les résultats de leurs travaux dans le domaine public
sur arXiv . «L'analyse des images médicales est une tâche difficile, et nous le savons», explique l'un des développeurs de la plate-forme logicielle. «Nous avons décidé de développer des algorithmes d'auto-apprentissage en réalisant une« formation »basée sur des centaines de milliers d'images médicales.»
Ce travail utilise un ensemble de données fourni par le NIH Clinical Center. Il s'agit d'une énorme base de données, qui comprend plus de 112 000 images frontales de la poitrine humaine obtenues par fluoroscopie. Sur ces images, 14 pathologies différentes peuvent être distinguées. Ces informations ont permis de «former» la plateforme logicielle de diagnostic de ces pathologies.
Une fois la formation terminée, les scientifiques ont décidé de vérifier dans quelle mesure le système établit un diagnostic. Après le diagnostic de la machine, les chercheurs ont demandé aux médecins de faire de même. Les médecins ont analysé 420 images et ont établi leurs propres diagnostics pour chacune d'elles. Il s'est avéré que le système informatique était capable de diagnostiquer la pneumonie plus précisément que les humains.
La pneumonie est une maladie dangereuse et courante. Aux États-Unis seulement, avec une pneumonie, environ 1 million de personnes se rendent dans les hôpitaux chaque année. Certaines pathologies sont extrêmement difficiles à détecter sur les radiographies - signes trop implicites dans certaines variétés de cette maladie. Dans le même temps, l'apprentissage automatique peut aider les médecins à résoudre ce problème.
Le principal danger pour le patient ici est que si le médecin ne diagnostique pas correctement, cela peut conduire à la nomination d'un traitement inapproprié. En conséquence, le patient sera traité, mais son état s'aggravera. La situation est aggravée par le fait que les médecins doivent analyser des centaines d'images de ce type par jour, ce qui a pour effet d'atténuer l'attention. Et la machine, sous réserve d'une formation de qualité, pouvait fonctionner 24h / 24, pratiquement sans faire d'erreurs. De plus, un système informatique peut mettre en évidence les moindres détails de la photo, importants pour poser le bon diagnostic, mais invisibles aux humains.
Les développeurs ont «appris» à leur système à créer quelque chose comme une carte thermique du corps humain lors de l'analyse des images. Ce n'est qu'au lieu d'afficher la température que des parties des poumons sont marquées de différentes couleurs, là où la machine a «vu» des signes de pneumonie. Après le traitement, une personne examine déjà les images, en faisant tout d'abord attention aux zones que la machine a marquées comme «les plus chaudes».
Les chercheurs pensent que ces systèmes seront bientôt généralement acceptés et répandus. «Nous allons continuer à créer et à améliorer des algorithmes médicaux qui aident à détecter les anomalies. Nous espérons également que nous serons bientôt en mesure de mettre à la disposition du public des ensembles de données médicales dépersonnalisées qui pourront être utilisées par d'autres spécialistes travaillant sur des problèmes similaires ou autres », a déclaré Jeremy Irwin, un représentant du groupe de recherche.
Les rayons X en médecine sont la source la plus importante d'informations sur la santé des patients. De nombreux médecins sont simplement submergés par de telles images. Après plusieurs heures de travail avec eux, la capacité du médecin à se concentrer diminue, l'attention diminue, par conséquent, la probabilité d'erreur est élevée. L'automatisation du processus pourrait aider à résoudre le problème, ce qui réduirait le nombre d'erreurs médicales.
Le travail effectué par les scientifiques n'est pas unique. Maintenant, de nombreuses startups et
grandes entreprises comme IBM et Google sont engagées dans des développements similaires. En plus de la pneumonie, les systèmes informatiques sont déjà capables de détecter des signes de tumeurs, des
problèmes du système cardiovasculaire et d'autres anomalies sur les radiographies et autres images médicales.