Dossier

Intelligence artificielle et imagerie gynécologique

Mis en ligne le

30 juin 2021

Auteur

B. Chauveau
C. Hordonneau
B. Magnin

L'apport de l'intelligence artificielle en imagerie se retrouve de la création de l'image (amélioration de la qualité, diminution de la dose ou du temps d'acquisition) jusqu'à son analyse et l'aide au diagnostic par de l'analyse de texture ou de l'apprentissage profond.
L'analyse de texture ou radiomique permet d'extraire des données contenues dans l'image mais non visibles à l'œil nu afin d'établir un profil tumoral personnalisé.
L'apprentissage profond (deep learning) permet une analyse des images par l'extraction automatique de paramètres simples et complexes aboutissant à des classifications utiles dans la prise charge (bénignité ou malignité, bon ou mauvais pronostic, etc.).
L'intelligence artificielle promet l'amélioration de la prise en charge des patientes en réalisant une personnalisation du traitement sur des données d'imagerie ; il faut rester vigilant sur la rigueur méthodologique des algorithmes appliqués afin de s'assurer de la pertinence des résultats.

L'intelligence artificielle (IA) est entrée dans l'imagerie médicale dès les années 2000 et son essor a commencé dans les années 2010 grâce aux progrès informatiques. Ainsi, l'apport de l'IA en imagerie se retrouve dans les différentes étapes de la création de l'image, à travers l'amélioration de la qualité, la diminution de la dose ou du temps d'acquisition, jusqu'à son analyse et l'aide au diagnostic par de l'analyse de texture ou de l'apprentissage profond (deep learning, DL).Génération d'imageLors de l'acquisition de l'image, un scanner ou une IRM produisent des données brutes qui ne sont…