Le département de radiologie de la NYU School of Medicine se joint au groupe de recherche d’intelligence artificielle de Facebook sur un projet visant à utiliser l’IA pour accélérer considérablement le temps nécessaire à la réalisation d’une imagerie par résonance magnétique (IRM).
Les IRM sont l’un des meilleurs et des plus sûrs outils de diagnostic actuellement disponibles, offrant aux médecins un aperçu incroyablement détaillé du corps d’un patient. Cependant, comme peuvent en témoigner tous ceux qui ont été soumis à l’une de ces analyses, ce sont des expériences chronophages, claustrophobes et généralement désagréables. Selon la cible, les analyses peuvent durer jusqu’à une heure et impliquer des étirements étendus où le sujet doit retenir sa respiration et rester immobile pendant de longues périodes.
Les chercheurs de la NYU travaillent depuis plusieurs années sur les moyens d’accélérer les examens IRM. Un réseau neuronal artificiel a été révélé en 2016 et était capable de produire une analyse IRM détaillée à partir de moins de données que nécessaire, mais les chercheurs ont été confrontés à un obstacle. Ils avaient besoin de plus de ressources informatiques et de compétences en IA qu’ils n’en avaient accès.
C’est là qu’intervient le groupe de recherche sur l’intelligence artificielle Facebook (FAIR). La mission de FAIR est de travailler avec des universitaires et des chercheurs pour faire progresser de manière collaborative le domaine de l’intelligence mécanique avec des résultats pragmatiques et réels. Le nouveau projet collaboratif s’appelle fastMRI et l’objectif est de réaliser des analyses IRM jusqu’à 10 fois plus vite.
L’idée est d’accélérer les analyses en collectant moins de données, puis en utilisant un réseau neuronal formé pour combler les lacunes. Ceci, bien sûr, n’est pas une tâche facile, car les anomalies sur une IRM peuvent souvent être incroyablement petites. Des parties entières des données ne peuvent pas être facilement ignorées tout en offrant des résultats clairs, car les analyses pourraient alors manquer de petites tumeurs, envoyant dangereusement de faux messages que « tout est bon ».
Le projet fastMRI impliquera la NYU qui fournira à FAIR un volume massif de données, y compris trois millions d’images IRM de 10 000 cas cliniques. Ces données, dépouillées des noms de patients et des informations d’identification, seront utilisées pour former les nouveaux algorithmes.
Larry Zitnick, du groupe FAIR, estime que les résultats utilisables devraient apparaître dans les 12 prochains mois. « Dans six mois, nous devrions être en mesure de réaliser des progrès. Cela pourrait prendre moins d’un an »
Ce n’est pas la première fois qu’une solution algorithmique au problème des longues IRM est proposée – en 2011, les chercheurs du MIT ont mis au point un algorithme qui pourrait réduire le plus long scan IRM à seulement 15 minutes. Et ce n’est pas surprenant que de nombreux chercheurs travaillent dur pour résoudre ce problème. Les avantages des examens IRM plus rapides révolutionneraient les processus de diagnostic des médecins, car les examens pourraient devenir plus accessibles à un plus grand nombre de patients et pourraient devenir plus efficaces pour les patients qui ne peuvent tout simplement pas être analysés efficacement en raison de leur durée extrême.
Une déclaration de Facebook résume l’objectif primordial du projet: «Dans le but de changer radicalement la façon dont les images médicales sont acquises en premier lieu, notre objectif n’est pas simplement d’améliorer l’exploration de données avec l’IA, mais plutôt de générer de nouvelles fonctionnalités pour la visualisation médicale au profit de la santé humaine. «
