Une approche basée sur l’intelligence artificielle pour identifier et organiser les hémorragies cérébrales a été développée par des chercheurs du département de radiologie du General Hospital du Massachusetts. De petits ensembles de données d’images seront utilisés pour fournir la base des décisions de ce système.
Cette technologie a le potentiel de sauver des vies dans les salles d’urgence des hôpitaux. De plus, cela pourrait aider à l’évaluation des personnes présentant des symptômes d’AVC potentiellement mortels, ce qui permettrait l’application appropriée des médicaments. Nature Biomedical Engineering a publié ceci.
Lorsque les ordinateurs sont devenus plus puissants, ils ont pu analyser des données et trouver des modèles, ainsi qu’apprendre à effectuer une tâche sans avoir à être programmés par un humain. En raison de ces obstacles importants, ces technologies pourraient ne jamais être pleinement intégrées à la prise de décision.
Utiliser des expressions telles que « explicable » ou « données limitées » pour décrire des études impliquant un apprentissage en profondeur est un peu ridicule, selon l’un des co-auteurs de l’étude et un étudiant diplômé de la School of Engineering and Applied Sciences de Harvard. Il a poursuivi en disant qu’il est difficile d’obtenir des mégadonnées de haute qualité en médecine et qu’il est essentiel que les ensembles de données soient étiquetés par divers experts afin d’assurer la cohérence des données.
Certains sceptiques ont affirmé que l’utilisation d’algorithmes appris par ordinateur dans la pratique clinique serait difficile, selon Sehyo Yune, MD, de MGH Radiology et co-auteur principal de l’étude. Il n’y a aucune preuve pour étayer les décisions prises par ces algorithmes. En outre, il a déclaré qu’ils avaient conclu que ces problèmes devaient être surmontés pour que les systèmes de santé de l’apprentissage automatique aient la capacité d’améliorer à la fois la qualité et l’accessibilité des soins.
L’équipe de l’HGM a commencé par 904 tomodensitogrammes de la région de la tête afin de former leur système. Les images ont été étiquetées à l’aide de cinq neuroradiologues du MGH pour déterminer si les images représentaient l’un des cinq sous-types, en fonction de la zone du cerveau où le saignement s’est produit, ou si elles étaient tout à fait normales.
Synho Do, professeur adjoint de radiologie à la Harvard Medical School, PhD, et directeur du laboratoire de radiologie MGH pour l’imagerie médicale et le calcul, a dirigé une équipe qui a construit des étapes qui imitaient la façon dont les images sont examinées par les radiologues afin d’améliorer la précision de ce système. .
