Le diagnostique du cancer du poumon à l’aide d’images 3D à haute résolution est particulièrement efficace pour détecter les phases précoces de la maladie mais engendre encore trop de faux positifs.  Le Deep Learning peut aider à limiter cela en analysant un grand nombres d’images et en alimentant les algorithmes de détections avec des analyses validées. Pour améliorer ces algorithmes, les entreprises Kaggle et Booz Allen Hamilton ont fait de ce sujet l’objectif du Data Science Bowl de cette année.

Les résultats de cette compétition ont été très encourageants (voir l’article) et nous montrent encore une fois que l’utilisation d’une assistance numérique à la catégorisation et à l’interprétation des images en biologie n’est pas une option, mais une obligation dans les années qui viennent.

Depuis janvier, près de 10 000 data scientists du monde entier ont participé à l’Annual Data Science Bowl. Pour cette troisième édition, le challenge des analystes consistait à développer les meilleurs algorithmes d’apprentissage machine permettant d’aider les professionnels de santé à dépister plus tôt et plus précisément les cancers du poumon lors des examens tomodensitométriques.

Source: LeMondeInformatique