Grâce au deep learning, Facebook Ai multiplie par 4 la vitesse des IRM

En collaboration avec les médecins de l’Ecole de médecine de l’Université de New York, Facebook Ai et ses chercheurs en intelligence artificielle ont mis au point un système qui permet de reconstituer des images d’IRM tout en étant quatre fois plus rapide qu’un examen standard.

Un modèle d’intelligence artificielle permettant de considérablement réduire la durée des IRM

Une collaboration entre la division en recherche en intelligence artificielle de Facebook (FAIR) et l’Ecole de médecine de l’Université de New York (NYU) a permis de créer un modèle qui permet de réduire de manière significative la durée des IRM. Ce projet, baptisé FastMRI, a permis d’obtenir des résultats concluant deux ans après l’annonce du partenariat entre les deux entités.

D’une manière classique, les IRM utilisent une formule mathématique pour créer des images à partir des données en provenance la raisonnance magnétique. Une démarche qui peut s’avérer en outre désagréable pour les personnes fragiles, qu’elles soient malades, en bas âge, blessées, ou bien encore claustrophobes. C’est la raison principale pour laquelle ce projet, baptisé FastMRI veut réduire la durée des IRM.

Dès le départ, les équipes ont travaillé sur un réseau de neurones capable de combler un manque de données pour reconstituer une image. Elles affirment ainsi avoir “expérimenté des milliers de variantes du modèle” avant de parvenir à trouver un modèle algorithme capable de recréer une image pertinente et précise , en mesure de combler les lacunes issues du manque de données.

Des résultats de diagnostics similaires

Six radiologies ont été conviés pour vérifier deux séries d’IRM (bien entendu anonymes) du genou provenant de 108 patients, ce afin de tester la fiabilité de l’algorithme. Pour chaque patient, deux jeux d’images ont été fournis: l’un provenant de l’IRM classique, l’autre de la solution développée par les équipes de Facebook AI.

Les conclusions de Facebook sont positives: “L’étude a révélé qu’il n’y avait pas de différence significatives dans les diagnostics des radiologues” assure Facebook. En effet, les mêmes anomalies et pathologies ont été trouvées, peu importe la provenance des images.L’autre fait marquant est que 5 radiologues sur 6 n’ont pas été capables de distinguer quelles images provenaient de quelles techniques.

Une découverte qui devrait permettre une pénibilité moindre pour les patients reçus, et, pour les structures dédiées, recevoir plus de patients en un moins de temps (désengorgement des services).

Yvan Dupuy