Un prix d'un million de dollars indique comment l'apprentissage automatique peut un jour repérer le cancer

L'apprentissage automatique nécessite souvent des ensembles de données massifs pour développer un algorithme efficace, mais pour ce concours, les équipes n'ont reçu que 2 000 images.

Un concours visant à automatiser la détection du cancer du poumon montre comment l'apprentissage automatique pourrait être sur le point de révolutionner l'imagerie médicale.

Le défi offrait 1 million de dollars en prix pour les algorithmes qui identifiaient le plus précisément les signes de cancer du poumon dans les images de tomodensitométrie à faible dose. Les algorithmes gagnants ne seront pas forcément adoptés par les cliniciens, mais ils pourraient inspirer des innovations algorithmiques qui trouveront leur place dans l'imagerie médicale.

Les tomodensitogrammes à faible dose ont montré un grand potentiel ces dernières années pour détecter plus tôt le cancer du poumon. Ils utilisent moins de rayonnement et ne nécessitent pas l'injection d'un colorant de contraste dans le corps. Mais le diagnostic est très difficile, ce qui signifie un nombre élevé de faux positifs et trop de procédures médicales inutiles.

Une technique d'apprentissage automatique connue sous le nom d'apprentissage en profondeur s'est avérée particulièrement efficace pour trouver des modèles dans les images ces dernières années (voir 10 Breakthrough Technologies 2013 : Deep Learning). Il y a maintenant de plus en plus d'espoir que cette méthode et d'autres méthodes d'apprentissage automatique puissent aider à améliorer les normes de diagnostic en médecine en reconnaissant automatiquement les modèles qui indiquent la maladie, y compris ceux qui sont trop subtils pour que l'œil humain puisse les détecter.

L'apprentissage en profondeur a déjà été utilisé pour détecter le cancer de la peau dans les images avec à peu près le même nombre d'erreurs que celles commises par les dermatologues professionnels. Et la technique s'est avérée efficace pour détecter une cause fréquente de cécité dans les images rétiniennes. Il y a maintenant un intérêt croissant, parmi les médecins et les entrepreneurs, pour déployer la technique plus largement. Lorsque cela se produit, cependant, des efforts supplémentaires peuvent être nécessaires pour rendre ces algorithmes explicables (voir The Dark Secret at the Heart of AI ).

Histoire connexe

Histoire connexe Personne ne sait vraiment comment les algorithmes les plus avancés font ce qu'ils font. Cela pourrait être un problème.

Keyvan Farahani, directeur de programme à l'Institut national du cancer, qui a fourni les données d'imagerie utilisées dans le concours, a déclaré que la réduction du nombre de faux diagnostics de cancer du poumon à partir de tomodensitogrammes à faible dose ferait une réelle différence pour les patients. Il y a environ 222 500 nouveaux cas de cancer du poumon aux États-Unis chaque année, selon l'American Cancer Society.

Farahani dit que les logiciels existants pour identifier les signes de cancer du poumon ne sont pas fiables. Les résultats préliminaires suggèrent que [les meilleurs algorithmes] sont meilleurs que ce qui est déjà disponible, dit-il. Farahani ne prévoit cependant pas que les algorithmes remplacent les experts médicaux. L'apprentissage en profondeur aidera à digérer de grandes quantités de données, dit-il. Je ne pense pas qu'ils vont remplacer les médecins ou les radiologues.

L'un des principaux défis de ce concours était le fait que seulement 2 000 images étaient mises à la disposition des équipes. L'apprentissage automatique nécessite souvent de très grands ensembles de données afin de développer un algorithme efficace. Mais d'autres données, comme les détails de l'équipement utilisé, ont été incluses.

L'équipe gagnante a utilisé un réseau de neurones et a déployé des efforts supplémentaires pour annoter les images afin de fournir plus de points de données. Il a également utilisé un ensemble de données supplémentaires et a divisé le défi en deux parties : identifier les nodules, puis diagnostiquer le cancer. On ne sait pas encore comment le meilleur algorithme pourrait être à la hauteur d'un médecin, car chaque algorithme fournit une probabilité plutôt qu'un résultat définitif.

Nous pensons qu'il est essentiel de diviser explicitement ce problème en deux étapes, ce qui semble également être ce que feraient des experts humains, déclare Zhe Li, membre de l'équipe gagnante et étudiant à l'Université de Tsinghua, l'un des principaux instituts universitaires de Chine.

En plus de faire allusion au potentiel d'apprentissage en profondeur dans l'imagerie médicale, le concours sur le cancer du poumon met en évidence la réputation croissante des chercheurs chinois en IA.

le concours , organisé sur le site de science des données Kaggle, a été organisé par Booz Allen Hamilton, une société de conseil en gestion qui a déjà organisé plusieurs autres grands concours de science des données. Le prix en argent d'un million de dollars provenait du Fondation Laura et John Arnold .

Kaggle a été fondée en 2010 et acquise plus tôt cette année par Google. Le site s'est avéré être un moyen puissant de crowdsourcing pour le développement d'algorithmes d'apprentissage automatique, et est également un moyen populaire d'identifier les talents.

Histoire connexe

Lire la suite

Josh Sullivan , qui dirige l'équipe de science des données chez Booz Allen Hamilton, explique que l'une des motivations du concours est l'acquisition de talents, notant que 238 participants ont également postulé à des emplois dans l'entreprise. Il ajoute que la société met à disposition gratuitement les algorithmes gagnants afin de maximiser les avantages potentiels pour la communauté médicale.

Li, de l'équipe gagnante, dit que développer quelque chose qui pourrait sauver des vies est gratifiant, mais la vraie raison de participer était un peu moins altruiste. Pour être honnête, la principale motivation est de gagner le prix en argent, dit-il.

cacher