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 :