Home

Le diagnostic médical est une affaire d’expérience, de multiples expériences. Ce sont elles qui donnent aux médecins les clés pour faire l’hypothèse d’une affection à partir de l’observation de symptômes  et déceler le pathologique dans l’inévitable variabilité interindividuelle.
La machine peut-elle remplacer l’œil du médecin? Oui, peut-être, parfois…
Des informaticiens de l’université de Stanford (Stanford’s Artificial Intelligence Laboratory) ont en effet mis au point un algorithme d’intelligence artificielle permettant de diagnostiquer le cancer de la peau, dont ils ont présenté les performances dans un article de la revue Nature ce début d’année (25 janvier).sans-titre-2

L’algorithme utilisé est du type « deep learning » (apprentissage profond), technologie d’apprentissage basée sur des réseaux de neurones artificiels dont je vous avais parlée dans Les androïdes rêvent-ils de moutons électriques ?, Yes, androids do dream of electric sheep et encore Le joueur de Go…ogle. Développé par Google (GoogleNet Inception v3 CNN architecture), cet algorithme de reconnaissance d’images a été entraîné (apprentissage) au moyen de presque 130 000 images cliniques de plus de 2000 pathologies différentes. Les chercheurs ont ensuite utilisé 370 images pour tester les performances diagnostiques de l’intelligence artificielle et les comparer à celles d’un panel de 21 dermatologistes. Il s’avère que l’algorithme est aussi sensible et précis que les experts et peut correctement distinguer les carcinomes, des mélanomes et des lésions bénignes.

L’apprentissage profond existe depuis plusieurs décennies, mais il n’a été utilisé que récemment dans des tâches de reconnaissance visuelle. Avec succès. Par la technologie de l’apprentissage des machines (dont est l’apprentissage profond), l’ordinateur est entraîné, de manière à être capable de résoudre un problème, plutôt que de programmer des réponses « toutes faites ». C’est ce que nous expliquent les auteurs de l’article :  » nous avons produit un algorithme d’apprentissage très puissant, capable d’apprendre à partir des données qu’on lui fournit. Plutôt que d’écrire dans l’ordinateur exactement ce qu’il faut chercher, on laisse l’algorithme se faire sa propre idée. »

Cet algorithme ne peut encore directement être appliqué en clinique. Mais les chercheurs envisagent de l’adapter pour une utilisation sur des smartphones et de le rendre ainsi facilement accessible pour des diagnostics de cancers.

Sebastian Thrun et al. Dermatologist-level classification of skin cancer with deep neural networks. Nature, January 2017.

http://www.nature.com/articles/nature21056.epdf?shared_access_token=OjDBUH3BC5VgbYHHVx7x3tRgN0jAjWel9jnR3ZoTv0NXpMHRAJy8Qn10ys2O4tuPtovyxVYI1vj6wDkw5KrpdO5zeHQjHV62A2fbxId040Y9d3yin_4ZDdqAvnX7BgVypcNUSb0HW0nUllyY7Cjxvh-xUqKNl_gchY5617NBxaCQVgHA0ZsKgUJeu7jK-Q_xDEBRMt6xSt89BV-CGFi_4g%3D%3D

http://www.lemonde.fr/pixels/article/2015/07/24/comment-le-deep-learning-revolutionne-l-intelligence-artificielle_4695929_4408996.html

https://www.quora.com/How-does-the-Inception-module-work-in-GoogLeNet-deep-architecture

Why does Deep Learning work?

Laisser un commentaire

Entrez vos coordonnées ci-dessous ou cliquez sur une icône pour vous connecter:

Logo WordPress.com

Vous commentez à l'aide de votre compte WordPress.com. Déconnexion / Changer )

Image Twitter

Vous commentez à l'aide de votre compte Twitter. Déconnexion / Changer )

Photo Facebook

Vous commentez à l'aide de votre compte Facebook. Déconnexion / Changer )

Photo Google+

Vous commentez à l'aide de votre compte Google+. Déconnexion / Changer )

Connexion à %s