L’Intelligence Artificielle en imagerie médicale

Cours 1 • Diffusé le 31.03.2021

ORIGINE DE L’INTELLIGENCE ARTIFICIELLE. INTRODUCTION SUR LES APPLICATIONS EN IMAGERIE MÉDICALE

L’Intelligence Artificielle (IA), définie en 1956, a connu des progrès fulgurants ces dernières années, alimentée par un flux de données incessant et l’amélioration constante de la puissance de calcul informatique.

Nous revenons dans cette présentation sur les origines de l’intelligence artificielle, ses pères fondateurs et les principes sous-jacents. Les applications potentielles aux différentes étapes du cycle de vie d’un examen d’imagerie médicale sont également introduites.

Cours 2 • Diffusé le 28.04.2021

ÉVALUATION DES PERFORMANCES CLINIQUES DES LOGICIELS DE RADIOLOGIE DIAGNOSTIQUE BASÉS SUR L’IA

La croissance rapide de l’offre en logiciel d’aide au diagnostic radiologique basé sur l’Intelligence Artificielle (IA) ouvre de nouvelles perspectives d’amélioration de la qualité et de la productivité de l’imagerie médicale.

Au-delà de la robustesse technique, les performances d’un logiciel d’IA doivent être évaluées d’un point de vue clinique afin de ne pas surestimer ses capacités en milieu réel. Cette présentation vise à clarifier les méthodes d’évaluation des performances cliniques des systèmes de classification basés sur l’IA.

Cours 3 • Diffusé le 26.05.2021

RÔLE DE L’IA DANS LE CYCLE DE VIE D’UN EXAMEN RADIOLOGIQUE : APPLICATIONS POUR LA CRÉATION DE L’IMAGE CHEZ LES CONSTRUCTEURS

L’IA est aujourd’hui omniprésente dans le monde de la radiologie, que cela soit pour de la détection de tumeur, le triage des examens ou encore aider à la visualisation. Un sous-ensemble de l’IA, le Deep-Learning, est quant à lui utilisé pour reconstruire l’image.

Cette nouvelle technique de reconstruction tourne une nouvelle page dans l’histoire de la radiologie!

Cours 4 • Diffusé le 30.06.2021

RÔLE DE L’INTELLIGENCE ARTIFICIELLE DANS LE WORKFLOW DU TECHNICIEN EN RADIOLOGIE MÉDICALE : ÉTAT DES LIEUX ET PERSPECTIVES

Si l’IA apparaît comme un tournant dans le métier de radiologue, elle a également fondamentalement changé celui du TRM.

De l’optimisation du workflow au positionnement, l’impact de ces « aides » grandit de plus en plus. Nous tenterons de répondre à la question : «Quelle place pour le TRM face à l’IA?»!

Cours 5 • Diffusé le 29.09.2021

PERCER LE MYSTÈRE DE LA BOÎTE NOIRE DE L’IA : EXPLICABILITÉ ET INTERPRÉTABILITÉ DES ALGORITHMES

L’Intelligence Artificielle a démontré sa capacité à détecter des pathologies sur des images médicales (radio, scanner, IRM, CT scan…). En particulier, l’apprentissage profond a permis d’atteindre des performances comparables à celles d’un humain. Cependant, ces algorithmes peuvent être perçus comme des boîtes noires, fournissant des résultats binaires (présence ou absence de pathologie) sans explication.

Cours 6 • Diffusé le 27.10.2021

BIAIS ET FACTEURS CONFONDANTS EN IA, ALGORITHMO-VIGILANCE EN IMAGERIE MÉDICALE

Suite aux développements récents de nombre de modèles d’apprentissage profond (deep learning) pour l’analyse d’images médicales, un intérêt croissant se porte sur leurs biais éventuels. Ces biais peuvent être liés à des facteurs biologiques (âge, sexe, etc.) ou non-biologiques (différents systèmes d’imagerie ou protocoles d’acquisitions, etc.), et peuvent se révéler problématiques lors de l’utilisation clinique de ces outils d’analyse pour l’imagerie. Nous présenterons quelques exemples types de biais, ainsi que leurs impacts sur les modèles. Nous discuterons ensuite des méthodes permettant de les corriger, et de l’importance du feedback des cliniciens dans ce processus.