Comment l’IA peut-elle aider à transformer la radiologie ?
À l’UW Health dans le Wisconsin , les radiologues ont commencé à adopter l’utilisation de l’intelligence artificielle dans l’ensemble de leurs flux de travail .
Les membres de l'équipe ont adopté des algorithmes de reconstruction d'images IA pour les machines IRM, CT scan et PET scan, permettant des captures plus rapides et des images de meilleure qualité.
Les algorithmes d'IA sont également utilisés pour analyser l'imagerie médicale et faciliter le diagnostic des patients. Par exemple, dans le cadre du triage aux urgences, les outils de détection assistée par ordinateur peuvent signaler d'éventuelles anomalies sur les scanners et les prioriser pour examen, explique le Dr Scott Reeder, directeur du département de radiologie de la Faculté de médecine et de santé publique de l'Université de Washington .
« Nous voyons des cas où une radiographie est acquise et, une minute ou deux plus tard, elle est signalée et s'affiche sur le poste de travail », explique Reeder, également radiologue à UW Health, le centre médical universitaire affilié à l'université. « Je lis donc ce cas ensuite et, bien sûr, s'il y a une anomalie, j'appelle le médecin urgentiste et je dis : "Ce patient présente un résultat urgent", et il peut le prendre en charge immédiatement. »
Le secteur de la santé est confronté à une pénurie de main-d'œuvre et à l'épuisement professionnel des cliniciens dans de nombreuses disciplines, dont la radiologie. Avec l'amélioration continue des capacités de l'IA et de l'apprentissage automatique, les prestataires espèrent que les outils de radiologie assistée par IA aideront les experts à mieux analyser les images pour une prise de décision clinique plus précise et allégeront les charges administratives.
Les chercheurs universitaires en médecine et les entreprises technologiques unissent leurs efforts pour développer ces nouveaux outils. Les premières solutions montrent des résultats positifs en termes d'amélioration des soins aux patients et de simplification des opérations, affirment les radiologues.
Pour adopter de manière transparente l'IA en radiologie, les organisations de soins de santé peuvent tirer parti de leur infrastructure technologique existante, y compris les systèmes de stockage d'imagerie médicale, mais elles doivent repenser certaines parties de leur entreprise, explique Mutaz Shegewi, directeur de recherche principal chez IDC Health Insights.
« Ils ont besoin d'intégration des flux de travail, de puissance de calcul, de gouvernance et de sécurité », explique Shegewi.
Des examens plus rapides et des soins d'urgence améliorésAlors que les chercheurs en radiologie de l'UW explorent l'adoption de l'IA dans leur domaine, ils doivent garder à l'esprit que seule la technologie d'IA approuvée par la Food and Drug Administration américaine peut arriver dans leur système de santé, déclare Reeder.
Par exemple, UW Health a intégré une reconstruction d'image avancée approuvée par la FDA dans ses machines de numérisation, ce qui produit des images plus nettes avec un bruit d'image et des artefacts réduits et réduit le temps de numérisation de 30 à 50 %, ce qui peut réduire l'exposition d'un patient aux radiations, ajoute-t-il.
« Les patients apprécient ce système. Nous aussi, car cela nous permet de planifier des créneaux d'examen plus courts », explique Reeder. « Cela améliore le rendement et le flux de travail. C'est une véritable révolution. »
Pour alimenter les outils d'IA en radiologie, UW Health s'appuie sur des serveurs internes, le cloud, des ordinateurs à usage général et les machines d'imagerie elles-mêmes, pour n'en citer que quelques-uns, explique John Garrett, directeur de l'informatique d'imagerie au département de radiologie de l'UW.
Par exemple, alors que certains modèles d’IA fonctionnent sur des ordinateurs standards, les logiciels de perfusion cérébrale CT et IRM alimentés par l’IA, qui analysent les scanners cérébraux et produisent des images à code couleur de la façon dont le sang circule dans le cerveau, fonctionnent sur un serveur sur site, ajoute-t-il.
Les examens nécessitant davantage de puissance de calcul s'exécutent sur des GPU dans le cloud , comme les scanners, évalués par 10 à 12 outils de triage IA, explique Garrett. Selon l'algorithme utilisé, Amazon Web Services et Microsoft Azure effectuent le traitement des données en temps réel, tandis que certains outils utilisentGoogle Cloud Platform .
Lors du triage aux urgences, les données sont envoyées vers le cloud, où elles sont traitées par plusieurs algorithmes d'IA. Les résultats sont ensuite transmis au système d'archivage et de communication d'images d'UW Health. Un widget sur les postes de travail PACS des radiologues peut les alerter des résultats prioritaires, explique Garrett.
Les radiologues d'UW Health utilisent également le logiciel de reconnaissance vocale Nuance PowerScribe, basé sur l'IA, sur leurs ordinateurs Dell pour les aider à rédiger leurs rapports. Reeder utilise cette solution depuis longtemps et constate qu'elle s'améliore constamment.
« Cela nous permet de générer des rapports de manière efficace, précise et standardisée », explique-t-il. « Bien que ce ne soit pas parfait, c'est précis. On peut utiliser des termes médicaux sophistiqués, et le système est efficace. »
L'hôpital Massachusetts General Brigham, basé à Boston, a adopté divers outils d'IA en radiologie dans sa pratique clinique. Parmi ceux-ci figurent des outils de traitement d'images permettant d'améliorer la qualité des images et de réaliser une « quantification d'images », ce qui peut aider les radiologues à interpréter les images médicales, explique le Dr Bernardo Bizzo, directeur principal de l'activité IA de l'hôpital Massachusetts General Brigham.
Le système de santé a déployé des outils de triage assisté par ordinateur, alimentés par l'IA, qui permettent de prioriser les résultats urgents et d'en informer les radiologues, explique-t-il. Il a également testé des dizaines de modèles d'IA analysant les images médicales et en a déjà adopté une douzaine, précise Bizzo.
L'hôpital Mass General Brigham exploite ces outils d'IA dans des centres de données sur site et dans le cloud . Il a notamment adopté certains modèles d'IA au sein du réseau Nuance Precision Imaging Network de Microsoft (basé sur Azure) et a déployé des modèles permettant de détecter les nodules pulmonaires lors des scanners et d'analyser les IRM hépatiques.
EN RELATION : Transformez les IRM avec des scanners modernes et des programmes virtuels.
Ces outils d'IA aident les radiologues à interpréter les scanners, mais leurs avantages actuels sont limités, car chaque modèle est généralement conçu pour détecter un ou plusieurs résultats. Les radiologues doivent adopter une vision globale et analyser l'image pour obtenir un rapport complet, ajoute Bizzo.
« Chaque outil d'IA approuvé par la FDA ne détecte que quelques résultats d'imagerie. Il est utile dans certains cas d'utilisation spécifiques, mais il ne fait pas avancer les choses comme nous l'espérons tous, car le travail d'un radiologue va au-delà de la simple détection de quelques résultats », explique-t-il.
Cependant, les radiologues se disent confiants quant à la capacité des outils d'IA naissants à évoluer. Par exemple, Mass General Brigham collabore avec des entreprises du monde entier pour tester leurs nouveaux modèles et outils d'IA, en attendant l'approbation de la FDA et leur utilisation clinique aux États-Unis. Cela comprend des tests d'IA générative et d'outils d'IA complets . Ces nouveaux outils pourraient combiner plusieurs algorithmes en un seul package pour réaliser des diagnostics plus approfondis, explique Bizzo.
« À mon avis, les outils d'IA pour la détection et le diagnostic sont ceux qui pourraient le plus aider les radiologues, notamment lors de la rédaction des comptes rendus dans un avenir proche », déclare-t-il. « L'IA est très prometteuse pour améliorer la précision et l'efficacité des diagnostics. »
Un outil d'IA mesure l'efficacité du traitement des maladies rénalesIl y a environ un an, le département de radiologie de Weill Cornell Medicine a construit un cluster d'IA avancé - alimenté par des serveurs Dell fonctionnant sur des GPU NVIDIA - qui permet aux chercheurs de développer et de former des modèles d'IA pour la radiologie, puis de les utiliser et de les tester dans un cadre clinique.
Par exemple, les médecins du New York-Presbyterian Hospital /Weill Cornell Medical Center (l'hôpital de recherche et d'enseignement de la faculté de médecine) testent actuellement un modèle d'IA pour prendre des mesures précises des reins des patients afin de déterminer la progression de la maladie et l'efficacité du traitement, explique le Dr Mert Sabuncu, vice-président de la recherche en IA et en ingénierie au département de radiologie de Weill Cornell Medicine et professeur de génie électrique et informatique à Cornell Tech.
Plus précisément, le modèle d’IA a été conçu pour analyser les analyses cliniques de patients atteints de maladie rénale polykystique, une maladie génétique dans laquelle des kystes se forment et grossissent dans les reins, ce qui peut entraîner des lésions et une insuffisance rénales.
Dr Scott Reeder Directeur du département de radiologie, École de médecine et de santé publique de l'Université du Wisconsin
Les patients atteints de PKD avancée passent généralement une IRM une fois par an.
« Les rapports de radiologie standard contiennent beaucoup d'impressions », explique Sabuncu. « Les radiologues décrivent ce qu'ils voient sans recourir à de nombreuses mesures quantitatives, ce qui signifie qu'il peut falloir plusieurs années pour déterminer l'efficacité d'un médicament comme le tolvaptan. »
Il y a quelques années, une équipe de recherche de Weill Cornell Medicine a développé un modèle d'IA capable de produire des mesures numériques très précises de l'anatomie abdominale. Aujourd'hui, cet outil est utilisé pour éclairer la prise de décision clinique et mieux évaluer l'efficacité d'un médicament pour les patients, explique-t-il.
L'IA peut commettre des erreurs. Dans le cadre du processus, un technologue ou un radiologue examine les résultats du modèle, apporte les corrections nécessaires, puis les transmet à un autre radiologue pour une évaluation finale. Ils peuvent également rejeter les résultats si les mesures du modèle d'IA sont erronées.
« Nous avons un humain dans la boucle pour garantir des résultats précis », explique Sabuncu.
Weill Cornell Medicine espère obtenir l'approbation de la FDA pour son modèle d'IA, mais pour l'instant, il peut l'utiliser sur des patients en tant qu'hôpital de recherche universitaire. « Nous avons la chance de pouvoir utiliser des outils de recherche de pointe », dit-il.
Il est convaincu que ces outils sont sur le point de révolutionner la radiologie. « Nous sommes à l'aube d'une transformation majeure au cours des cinq prochaines années. Nous assisterons à un afflux massif d'outils d'IA qui amélioreront la radiologie et transformeront la médecine », déclare Sabuncu.
healthtechmagazine
