Un nouvel algorithme peut détecter la pneumonie mieux qu'un radiologue

Catégorie: Intelligence artificielle Posté 16 novembre

Ajoutez le diagnostic de maladies pulmonaires dangereuses à la liste croissante de choses que l'intelligence artificielle peut faire mieux que les humains.

Un nouveau arXiv article par des chercheurs de Stanford explique comment CheXNet, le réseau neuronal convolutif qu'ils ont développé, a réalisé l'exploit. CheXNet a été formé sur un ensemble de données accessible au public de plus de 100 000 radiographies pulmonaires qui ont été annotées avec des informations sur 14 maladies différentes qui apparaissent dans les images. Les chercheurs ont fait passer quatre radiologues par un ensemble de tests de rayons X et ont posé des diagnostics, qui ont été comparés aux diagnostics effectués par CheXNet. Non seulement CheXNet a battu les radiologues pour repérer la pneumonie, mais une fois l'algorithme étendu, il s'est également avéré meilleur pour identifier les 13 autres maladies.

La détection précoce de la pneumonie pourrait aider à prévenir certains des 50 000 décès que la maladie provoque aux États-Unis chaque année. La pneumonie est aussi la principale cause infectieuse de décès pour les enfants du monde entier, tuant près d'un million d'enfants de moins de cinq ans en 2015.

Andrew Ng, co-auteur de l'article et ancien responsable de la recherche sur l'IA chez Baidu, pense que l'IA va être de plus en plus utilisée en médecine. Il a précédemment travaillé sur un algorithme qui peut, après avoir été entraîné sur des données d'électrocardiogramme (ECG), identifier les arythmies cardiaques mieux qu'un expert humain. Un autre algorithme d'apprentissage en profondeur récemment publié dans La nature a été capable de détecter des lésions cutanées cancéreuses aussi bien qu'un dermatologue certifié.

Les radiologues, en particulier, sont avertis depuis un certain temps. Des recherches antérieures ont montré que l'IA est aussi bonne ou meilleure que les médecins pour repérer les problèmes dans les tomodensitogrammes. Geoffrey Hinton, l'un des pionniers du deep learning, dit le New yorkais qu'en raison des progrès de l'IA, les écoles de médecine devraient cesser de former des radiologues maintenant. L'analyse d'ensembles de données basés sur des images comme les rayons X, les tomodensitogrammes et les photos médicales est l'excellence des algorithmes d'apprentissage en profondeur. Et ils pourraient très bien sauver des vies.