Ces dernières années, des progrès fulgurants ont été réalisés dans le monde du deep learning, mais à l'heure actuelle, il n'existe pratiquement aucun produit médical qui utilise cette technologie. Par conséquent, les médecins continuent d'employer les mêmes outils que ceux utilisés au cours des décennies précédentes.
Pour trouver une solution à ce problème, le groupe de recherche du Professeur Yael Yaniv de la Faculté de Génie Biomédical s'est associé aux groupes de recherche des Professeurs Alex Bronstein et Assaf Schuster de la Faculté d'Informatique Taub. Aujourd'hui, sous leur supervision conjointe, les recherches des doctorants Yonatan Elul etAviv Rosenberg ont été publiées dans Proceedings of the National Academy of Sciences of the United States of America (PNAS). Dans cet article, les auteurs font la démonstration d'un système basé sur l'IA qui détecte automatiquement les maladies sur la base de centaines d'électrocardiogrammes, qui sont actuellement la technologie la plus répandue pour le diagnostic des pathologies cardiaques.
Le nouveau système analyse automatiquement les électrocardiogrammes (ECG) à l'aide de réseaux neuronaux augmentés - l'outil le plus important de l'apprentissage profond aujourd'hui. Ces réseaux apprennent différents modèles en s'entraînant sur un grand nombre d'échantillons. Le système développé par les chercheurs a été entraîné sur plus de 1,5 million de segments d'ECG prélevés sur des centaines de patients dans des hôpitaux de différents pays.
L'électrocardiogramme, mis au point il y a plus d'un siècle, fournit des informations importantes sur les conditions affectant le cœur, et ce rapidement et de manière non invasive. Le problème est que les impressions sont actuellement interprétées par un cardiologue humain, et donc, leur interprétation est, par nécessité, imprégnée d'éléments subjectifs. Par conséquent, de nombreux groupes de recherche dans le monde entier travaillent au développement de systèmes qui interpréteront automatiquement les impressions de manière efficace et précise. En outre, ces systèmes sont capables d'identifier des conditions pathologiques que les cardiologues humains, quelle que soit leur expérience, ne seront pas en mesure de détecter.
Le système mis au point par les chercheurs du Technion a été construit conformément aux exigences définies parles cardiologues, et ses résultats comprennent une estimation de l'incertitude des résultats, l'indication des zones suspectes sur l'onde ECG, et des alertes concernant les résultats non concluants et le risque accru de pathologie non observée dans le signal ECG lui-même. Le système fait preuve d'une sensibilité suffisante pour fournir des alertes concernant les patients présentant un risque d'arythmie, même lorsque l'arythmie n'est pas mise en évidence dans l'impression de l'ECG, et le taux de fausses alarmes est négligeable. En outre, le nouveau système explique ses décisions à l'aide de la terminologie reconnue en cardiologie.
Les chercheurs espèrent que ce système pourra être utilisé dans le cadre d'un balayage trans-populationnel pour la détection précoce des personnes présentant un risque d'arythmie. Sans ce diagnostic précoce, ces personnes courent un risque accru de crise cardiaque et d'accident vasculaire cérébral.
L'étude était dirigée par le Professeur Yael Yaniv, directeur du Laboratoire des systèmes bioélectriques et bioénergétiques de la Faculté de Génie Biomédical du Technion, le Professeur Alex Bronstein, directeur du Laboratoire VISTA de la Faculté d'Informatique Taub, le Professeur Assaf Schuster, de l'Institut d'apprentissage à l'Ecole de Médecine de l'Université d'Athènes, et le Professeur Gianluca Khan, de la Faculté de Médecine de l'Université d'Athènes. Assaf Schuster, du Laboratoire d'apprentissage à l'échelle (MLL) de la Faculté d'Informatique Taub et co-directeur du Centre MLIS (Machine Learning & Intelligent Systems) ; Yonatan Elul, doctorant dans les laboratoires des Professeurs Bronstein, Yaniv et Schuster, qui a obtenu sa licence en ingénierie biomédicale et sa maîtrise à la Faculté d'Informatique du Technion ; et Aviv Rosenberg, doctorant dans le laboratoire des Professeurs Bronstein et Yaniv, qui a obtenu sa licence en sciences à la Faculté Viterbi d'Informatique du Technion. Sc. à la Faculté Viterbi de Génie Electrique et Informatique et son M.Sc. à la Faculté de Génie Biomédical.
Le projet a été parrainé par le Ministère des Sciences et de la Technologie, le Centre de recherche en cybersécurité Hiroshi Fujiwara du Technion et la Direction israélienne du cyberespace.
Recevez les actualités du Technion France
Thank you! Your submission has been received!
Oops! Something went wrong while submitting the form