L’outil d’apprentissage automatique surpasse les cliniciens dans la différenciation des affections musculaires

Les chercheurs ont développé un algorithme pour aider au diagnostic des troubles musculaires, à partir d’images de pathologie colorées, en utilisant des réseaux neuronaux convolutifs (RNC) profonds.

L’algorithme s’est avéré plus performant que les cliniciens pour différencier avec précision deux groupes de maladies : les myopathies inflammatoires idiopathiques (MII) et les maladies neurogènes autres que la myosite.

Les chercheurs d’IBM Japon et du Centre national de neurologie et de psychiatrie (National Center of Neurology and Psychiatry), à Tokyo, au Japon, ont développé des groupes de données d’apprentissage et des groupes de données de tests, à partir d’un total de 4 041 images de pathologie colorées à l’hématoxyline et à l’éosine, issues de 1 400 lames.

L’objectif était de développer un algorithme en 2 étapes. La première étape permettrait de différencier les deux groupes suivants :

Ology Medical Education est un prestataire international de formation médicale indépendante. Sa mission est de fournir aux professionnels de santé des informations médicales fiables et de haute qualité dans le but d’optimiser la prise en charge des patients.

Ology Medical Education décline toute responsabilité concernant tout dommage aux personnes ou aux biens par négligence ou autre, ou en lien avec toute utilisation ou exploitation de toute méthode, de tout produit, de toute instruction ou de toute idée contenu(e) dans cette publication. En raison des progrès rapides dans les sciences médicales, Ology Medical Education recommande d’effectuer une vérification indépendante des diagnostics et dosages de médicaments. Les opinions exprimées ne reflètent pas celles d’Ology Medical Education ou du promoteur. Ology Medical Education n’assume aucune responsabilité quant au contenu du présent document.