Une startup met au point COVID-Net, un réseau de neurones convolutifs, open source, pour dépister les patients soupçonnés d'infections au COVID-19
à partir des radiographies pulmonaires

La pandémie de COVID-19 continue d'avoir un effet dévastateur sur la santé et le bien-être de la population mondiale. DarwinAI, une startup canadienne spécialisée en IA, a développé des outils qui détecteront automatiquement les infections au COVID-19 à partir des rayons X et aideront les professionnels de la santé à déterminer le degré de gravité de l'infection. Le cofondateur de l'entreprise et professeur à l'Université de Waterloo, Alexander Wong, avec son étudiante en recherche Linda Wang, ont mis au point COVID-Net.

Une étape cruciale dans la lutte contre le COVID-19 est le dépistage efficace des patients infectés, l'une des principales approches de dépistage étant l'imagerie radiologique par radiographie pulmonaire. Un certain nombre de systèmes d'intelligence artificielle (IA) basés sur l'apprentissage profond ont été proposés et les résultats se sont révélés très prometteurs en termes de précision dans la détection des patients infectés par COVID-19 à l'aide d'images radiographiques thoraciques.

COVID-Net est un réseau de neurones convolutifs conçu pour dépister les patients soupçonnés d'infections au COVID-19 en identifiant les signes révélateurs de la maladie sur les radiographies pulmonaires. Il y a souvent un manque de kits de test dans les hôpitaux pour le dépistage traditionnel. Or, les radiographies pulmonaires sont rapides à faire et courantes dans les hôpitaux. Le goulot d'étranglement entre la prise d'une radiographie et son interprétation est généralement de trouver un radiologue pour faire l'analyse. Avoir une IA capable d'analyser les images permettra d'avoir les résultats plus rapidement.


« Là où l'apprentissage profond en tant qu'outil a traditionnellement excellé, c'est avec l'analyse d'images - en regardant une image puis en déduisant une sorte de conclusion à partir de cette image. COVID-Net n'était qu'un sous-produit naturel du travail existant et les atouts de l'apprentissage profond comme outil d'analyse d'images », a déclaré Sheldon Fernandez, le PDG de DarwinAI. Au début, COVID-Net a été entraîné avec près de 5000 rayons X. Plus de jeux de données de rayons X ont été fournis par la suite pour former le système, qui a maintenant appris de plus de 17 000 images et a été ouvert à la fin du mois de mars.

Toutefois, le PDG de DarwinAI explique que COVID-Net n'est pas encore prêt pour la production, mais la société espère qu'il sera prêt dans un délai très court. « Pour le moment, il s'agit simplement d'une implémentation très technique que les scientifiques des données pourraient exploiter, mais certainement pas un professionnel de la santé. Elle doit donc être enveloppée dans une interface utilisateur d'application appropriée qui est assez facile à utiliser par quelqu'un qui n'est pas profondément technique », a déclaré Fernandez.

COVID-Net est en open source, et ce choix vient du fait que pour les auteurs, certains systèmes d'IA développés à cet effet ont été à source fermée et indisponibles pour la communauté de la recherche pour une compréhension et une extension plus approfondies, et indisponibles pour l'accès et l'utilisation du public. C'est de là que les auteurs ont développé COVID-Net, une conception de réseau de neurones à convolution profonde conçue pour la détection des cas de COVID-19 à partir d'images de radiographie thoracique qui est open source et disponible pour le grand public.

« Nous décrivons également l'ensemble de données de radiographie pulmonaire utilisé pour former COVID-Net, que nous appellerons COVIDx et qui comprend 16 756 images de radiographie pulmonaire sur 13 645 cas de patients provenant de deux dépôts de données en libre accès. En outre, nous étudions la façon dont COVID-Net fait des prévisions en utilisant une méthode d'explicabilité afin de mieux comprendre les facteurs critiques associés aux cas de COVID-19, ce qui peut aider les cliniciens à améliorer le dépistage. Il ne s'agit en aucun cas d'une solution prête à la production, mais nous espérons que le COVID-Net en accès libre, ainsi que la description de la construction de l'ensemble de données COVIDx en source ouverte, seront exploités et mis à profit par les chercheurs et les spécialistes des données sur les citoyens pour accélérer le développement de solutions d'apprentissage approfondi très précises mais pratiques pour détecter les cas de COVID-19 et accélérer le traitement de ceux qui en ont le plus besoin », concluent les auteurs.

Source : Résultat de l'étude

Et vous ?

Qu'en pensez-vous ?

Voir aussi

Pandémie COVID-19 vue par Bill Gates : comment sa fondation participe au combat ? Quelles seraient les meilleures mesures de protection à l'échelle d'un pays ? Le milliardaire de la Tech s'exprime

« Les mesures de surveillance high-tech contre l'épidémie de Covid-19 survivront au virus et pourront devenir permanentes », prévient Snowden
à propos de méthodes comme le traçage de smartphones


COVID-19 : la France confirme que l'option du traçage des smartphones est sur la table, l'utilisation d'une telle application se fera sur la base du volontariat

Google lance son site web dédié aux informations relatives au COVID-19 après un léger retard et apporte une expérience plus complète sur le sujet dans Recherche