Dans une nouvelle étude de validation de principe dirigée par le Dr Mark Walker de la Faculté de médecine de l’Université d’Ottawa, des chercheurs ont été les premiers à recourir à un modèle unique d’apprentissage profond basé sur l’intelligence artificielle comme outil d’assistance pour la lecture rapide et précise des échographies.
L’étude avait pour but de démontrer le potentiel de l’architecture d’apprentissage profond pour identifier de façon précoce et fiable l’hygroma kystique à partir des échographies du premier trimestre. L’hygroma kystique, aussi appelé lymphangiome kystique, est une maladie embryonnaire qui entraîne un développement anormal du système vasculaire lymphatique. Il s’agit d’un trouble rare et potentiellement mortel qui entraîne un gonflement du liquide autour de la tête et du cou.
Cette anomalie congénitale peut généralement être facilement diagnostiquée avant la naissance lors d’une échographie, mais le Dr Walker – le cofondateur du groupe de recherche OMNI (Obstetrics, Maternal et Newborn Investigations) à L’Hôpital d’Ottawa – et son groupe de recherche ont voulu vérifier dans quelle mesure la reconnaissance des formes pouvait être effectuée à l’aide de l’IA.
« Nous avons donc démontré que, dans le domaine de l’échographie, nous pouvions utiliser les mêmes outils pour la classification et l’identification des images avec une sensibilité et une spécificité élevées », explique le Dr Walker, qui croit que son approche pourrait être appliquée à d’autres anomalies fœtales généralement identifiées par échographie.
Les résultats ont été publiés récemment dans PLOS ONE, une revue à accès libre évaluée par des pairs. Lire les détails complets
Dans une nouvelle étude de validation de principe dirigée par le Dr Mark Walker de la Faculté de médecine de l’Université d’Ottawa, des chercheurs ont été les premiers à recourir à un modèle unique d’apprentissage profond basé sur l’intelligence artificielle comme outil d’assistance pour la lecture rapide et précise des échographies.
L’étude avait pour but de démontrer le potentiel de l’architecture d’apprentissage profond pour identifier de façon précoce et fiable l’hygroma kystique à partir des échographies du premier trimestre. L’hygroma kystique, aussi appelé lymphangiome kystique, est une maladie embryonnaire qui entraîne un développement anormal du système vasculaire lymphatique. Il s’agit d’un trouble rare et potentiellement mortel qui entraîne un gonflement du liquide autour de la tête et du cou.
Cette anomalie congénitale peut généralement être facilement diagnostiquée avant la naissance lors d’une échographie, mais le Dr Walker – le cofondateur du groupe de recherche OMNI (Obstetrics, Maternal et Newborn Investigations) à L’Hôpital d’Ottawa – et son groupe de recherche ont voulu vérifier dans quelle mesure la reconnaissance des formes pouvait être effectuée à l’aide de l’IA.
« Nous avons donc démontré que, dans le domaine de l’échographie, nous pouvions utiliser les mêmes outils pour la classification et l’identification des images avec une sensibilité et une spécificité élevées », explique le Dr Walker, qui croit que son approche pourrait être appliquée à d’autres anomalies fœtales généralement identifiées par échographie.
Les résultats ont été publiés récemment dans PLOS ONE, une revue à accès libre évaluée par des pairs. Lire les détails complets sur la page de la Faculté de médecine.
Demandes médias (entrevues en français disponible) :
Paul Logothetis
Agent de relations médias
Cell : 613.863.7221
[email protected]
Demandes médias :
Paul Logothetis
Agent de relations médias
Cell : 613.863.7221
[email protected]