Les chercheurs invités à trouver des algorithmes de détection de la pneumonie
LUNDI 10 SEPTEMBRE 2018
Soyez le premier à réagirLes chercheurs en Intelligence Artificielle sont appelés à trouver des algorithmes pour la détection de la pneumonie dans les images radiologiques. La Radiological Society of North America (RSNA) organise en effet pour eux le défi RSNA Pneumonia Detection, un concours dont les résultats seront publiés lors du prochain RSNA.
La Radiological Society of North America (RSNA) a lancé son deuxième défi annuel de Machine learning. Le défi RSNA Pneumonia Detection invite les équipes à développer des algorithmes pour identifier et localiser la pneumonie dans les radiographies pulmonaires.
Une compétition mettant aux prises des chercheurs en intelligence artificielle
"L'attente que l'intelligence artificielle fournisse bientôt des outils précieux pour la radiologie continue de croître, a déclaré le Dr Luciano Prevedello, chef de la division d'informatique médicale de l'Ohio State University et président du sous-comité directeur du Comité informatique de radiologie (RIC) de la RSNA. En organisant des défis de données machine learning, la RSNA joue un rôle important dans la promotion et la démonstration de ces possibilités."
Un défi de données de machine learning est une compétition entre les chercheurs en intelligence artificielle pour créer des applications qui exécutent une tâche définie en fonction de mesures de performance spécifiées. Le défi de la détection de la pneumonie reposera sur un ensemble de données accessibles au public et publié par les National Institutes of Health. Le sous-comité directeur Machine Learning de la RSNA a collaboré avec des spécialistes bénévoles de la Society of Thoracic Radiology pour annoter un ensemble de données, identifier les zones anormales des images pulmonaires et évaluer la probabilité de pneumonie.
Trouver des algorithmes pour la détection de la pneumonie
"Un défi Machine Learning réussi doit commencer par un ensemble de données suffisamment précises pour fournir une« vérité terrestre, poursuit le Dr Safwan Halabi, directeur médical de l’informatique radiologique à l’université de Stanford et président du sous-comité RIC. Les développeurs élaborent leurs applications en les testant sur le jeu de données et les organisateurs du challenge utilisent un segment du jeu de données pour mesurer leurs performances." Le défi de cette année sera mené en utilisant la plate-forme de compétition fournie par Kaggle, Inc. qui fournira une page d'accueil pour le défi, un accès contrôlé aux jeux de données du challenge, un forum de discussion pour les participants et un entrepôt dans lequel ils soumettront leurs résultats. Kaggle a reconnu le RSNA Pneumonia Detection Challenge comme un bien public et fournira un prix de 30 000 dollars pour les gagnants.
Présentation des gagnants au cours d'un showcase lors du prochain congrès RSNA
Le défi comprendra deux phases. Pendant la phase de formation, qui a débuté le 27 août et se termine le 17 octobre 2018, les participants utiliseront la partie formation de l'ensemble de données pour développer des algorithmes qui reproduisent les annotations fournies par les experts radiologistes. Ensuite, dans la phase d'évaluation, qui se déroule du 18 au 24 octobre 2018, les participants exécutent leurs algorithmes sur la partie test du jeu de données, à partir de laquelle
les annotations sont masquées. Le 24 octobre est la date limite pour la soumission des résultats des tests, qui seront ensuite comparés aux valeurs «de vérité» fournis par les annotations des experts et ainsi déterminer les gagnants. Les résultats seront annoncés début novembre 2018, et les meilleures soumissions seront reconnues le 26 novembre lors d'une session à la machine Learning Showcase lors du congrès annuel de la RSNA 2018 à Chicago.
Les radiologistes invités à apporter leur contribution à la base de données
Le défi de l’année dernière a réuni plus de 200 participants, dont beaucoup ont formé des équipes composées de scientifiques et de radiologues. "Les radiologistes ont un rôle crucial à jouer dans ce défi, même s’ils n’ont pas une grande expérience du machine learning, conclut le Dr Prevedello. Ils peuvent apporter des précisions, basées sur leur expérience clinique, pour affiner ou compléter les annotations sur l'ensemble de données de formation et aider les développeurs à identifier les erreurs systématiques dans les résultats de leurs algorithmes."
Les radiologistes intéressés pour participer à ce projet peuvent créer un compte gratuit sur le site de Kaggle et exprimer leurs intérêts et leurs qualifications dans le forum pour le défi RSNA Pneumonia Detection.
Bruno Benque avec RSNA