16 juillet 2019
Toronto – Aujourd’hui, le Vector Institute, un institut de recherche indépendant à but non lucratif axé sur l’apprentissage automatique de pointe, a annoncé le deuxième d’une série de projets Pathfinder visant à mettre en œuvre l’intelligence artificielle (IA) dans le secteur de la santé.
Le deuxième projet Pathfinder, réalisé en partenariat avec le University Health Network (UHN) et l’Université de Waterloo (UWaterloo), améliorera les diagnostics en radiologie avec l’IA.
Coral Review, une solution logicielle développée à l’UHN, est un outil d’apprentissage par les pairs utilisé par les cliniciens en imagerie diagnostique pour soutenir l’amélioration continue de la qualité de la pratique radiologue. À l’aide d’un algorithme développé par le Dr H.R. Tizhoosh, directeur du Laboratoire d’inférence des connaissances en analyse d’images médicales (Kimia Lab) à l’UWaterloo et membre du corps professoral à l’Institut Vector, une évaluation Coral activée par l’IA examinerait des milliers d’images médicales existantes (c’est-à-dire des radiographies) pour en repérer des images similaires à celles d’un patient et recommanderait un diagnostic au médecin traitant.
« Coral Review permet actuellement des revues anonymes par les pairs des diagnostics d’imagerie médicale. Cependant, elle est limitée par la disponibilité des médecins qui effectuent la revue ou le « second avis » », explique Leon Goonaratne, directeur principal, Digital UHN. « Une solution d’évaluation par les pairs activée par l’IA a la capacité de fournir au médecin plus d’informations lors de la revue, y compris l’identification d’images correspondant à des cas rares ou difficiles à voir ».
Les projets Pathfinder sont des efforts à petite échelle conçus pour produire des résultats en 12 à 18 mois, qui orientent la recherche et l’adoption technologique futures. Avec le soutien technique et des ressources de l’Institut Vector, les projets réunissent chacun une équipe de recherche multidisciplinaire pour s’attaquer à un problème ou une opportunité importante en santé en utilisant l’apprentissage automatique et l’IA de manière plus large. Chaque projet a été choisi pour son potentiel à aider à identifier un « chemin » permettant de traduire la recherche en apprentissage automatique de calibre mondial en bénéfices généralisés pour les patients.
Le Vector Institute est une entreprise indépendante à but non lucratif dédiée à l’avancement de l’intelligence artificielle, excellant dans l’apprentissage automatique et profond. La vision de l’Institut Vector est de promouvoir l’excellence et le leadership dans la connaissance, la création et l’utilisation de l’IA au Canada afin de favoriser la croissance économique et d’améliorer la vie des Canadiens.
L’Institut des Vecteurs est financé par la province de l’Ontario, le gouvernement du Canada via la Stratégie pancanadienne de l’IA administrée par le CIFAR, ainsi que par des commanditaires industriels de toute l’économie canadienne.
À propos du Réseau universitaire de santé
Le Réseau universitaire de santé comprend les hôpitaux Toronto General et Toronto Western, le Centre du cancer Princess Margaret, l’Institut de réadaptation de Toronto et l’Institut Michener d’éducation de l’UHN. L’étendue de la recherche et la complexité des cas au University Health Network en ont fait une source nationale et internationale pour la découverte, l’éducation et les soins aux patients. Elle possède le plus grand programme de recherche hospitalier au Canada, avec des recherches majeures en cardiologie, transplantation, neurosciences, oncologie, innovation chirurgicale, maladies infectieuses, médecine génomique et médecine de réadaptation. University Health Network est un hôpital de recherche affilié à l’Université de Toronto. www.uhn.ca
Le Dr H. R. Tizhoosh et son équipe travaillent au carrefour des soins de santé et de l’intelligence artificielle (IA) depuis plus d’un quart de siècle. Pourtant, ce n’est que maintenant que le monde commence à voir les fruits de ce travail. « Malgré les progrès accomplis, » dit-il, « nous en sommes au tout début si nous voulons intégrer la technologie dans les hôpitaux. »
Directeur du laboratoire Kimia à l’Université de Waterloo (UWaterloo), le Dr Tizhoosh sera à l’avant-garde de ce changement important alors qu’il cherche à améliorer le système d’évaluation par les pairs en imagerie médicale du University Health Network (UHN), Coral Review. C’est le deuxième des projets Pathfinder du Vector Institute, qui réunissent des équipes de recherche multidisciplinaires pour s’attaquer à d’importants problèmes de santé grâce à l’apprentissage automatique.
Développée à l’UHN, la revue Coral a été mise en œuvre dans plusieurs hôpitaux à travers l’Ontario. Conçue pour mettre l’accent sur la qualité et la formation au sein des départements d’imagerie médicale, la solution permet une évaluation anonyme par les pairs d’un diagnostic d’imagerie médicale, ainsi que de la qualité de l’image.
« Coral Review a permis un programme de qualité et d’éducation pour de nombreux hôpitaux », affirme Leon Goonaratne, directeur principal, Digital UHN. « Bien que ce processus d’évaluation par les pairs aide à identifier et à faciliter de nombreuses occasions d’apprentissage et de coaching à travers la province, nous croyons que l’intelligence artificielle est la prochaine étape pour rendre la solution encore plus efficace. »
Pour apporter plus de régularité et d’efficacité au système, le Dr Tizhoosh et son équipe entraînent un algorithme d’apprentissage automatique combinant un ensemble de données publiques et privées de plus de 200 000 images médicales anonymisées. Une fois formée, l’application Coral Review améliorée par IA trouverait des images similaires provenant de cas passés et proposerait des diagnostics suggérés, tout en laissant la décision finale aux médecins.
« C’est une IA déployée d’une manière légèrement différente », explique le Dr Tizhoosh. « Cela permet au radiologue qui pose le diagnostic de bénéficier de la connaissance de milliers de diagnostics posés par d’autres cliniciens. C’est très différent de poser un diagnostic à partir de zéro. »
Les équipes de l’UHN et du laboratoire Kimia commencent relativement petit, se concentrant sur les radiographies thoraciques et en s’intéressant spécifiquement au pneumothorax, ou poumons effondrés. Cette condition représente un défi technique pour les radiologues et un défi pratique pour les médecins; Certains types peuvent être difficiles à voir à une radiographie et un poumon effondré est à la fois douloureux et potentiellement fatal. Les petits effondrements posent un défi particulièrement important. « Les médecins peuvent manquer de petits effondrements dans 40% des cas parce qu’on ne peut tout simplement pas les voir », explique le Dr Tizhoosh.
À l’heure actuelle, leur algorithme a un taux de précision d’environ 70%. Mais avec le soutien technologique et des ressources de Vector, ils vont l’affiner au cours de la prochaine année et espèrent faire passer ce taux au-dessus de 90% avant de l’intégrer au système existant. Le Dr Tizhoosh espère également élargir la portée du projet au-delà du pneumothorax. « À long terme, on veut ajouter une longue liste de problèmes qu’on vérifie automatiquement », dit-il. « Nous voulons trouver des problèmes plus complexes et travailler à plus grande échelle dans le domaine de la radiologie. »
Une fois mis en œuvre, le système sera le premier du genre : un outil de diagnostic activé par l’IA pour les images médicales basé sur la récupération d’images. « Travailler avec les hôpitaux pour mettre en œuvre l’IA en imagerie médicale est la chose la plus excitante que j’aie jamais faite dans ma carrière », s’enthousiasme le Dr Tizhoosh. « Je veux regarder en arrière et dire : 'voici ce que j’ai fait en informatique.' C’est une période très excitante. »
L’AI-Enhanced Coral Review est le deuxième d’une série de projets Pathfinder identifiés et soutenus par le Vector Institute.
Identification des tiques pour combattre la maladie de Lyme
Système d’alerte précoce pour la médecine interne générale
Cardiologue canadien renommé utilisant l’IA pour répondre à une bombe à retardement
