COVID-Net, une IA open source pour le dépistage du COVID-19

DarwinAI, une startup canadienne spécialisée en IA, a développé des outils de détection automatique pour les infections au COVID-19. Réalisées à partir de rayons X, elles aideront les professionnels de la santé à déterminer le degré de gravité de l'infection.

Le dépistage efficace des patients infectés par le COVID-19 est un aspect critique de la lutte contre la pandémie. Une des approches de dépistage est fondée les radiographies pulmonaires. Plusieurs pistes basées sur l'apprentissage profond ont été proposées pour améliorer la qualité du dépistage et les résultats se sont révélés très encourageants.

Réseau de neurones convolutifs pour pallier le manque de tests

Parmi les initiatives, COVID-Net est un réseau de neurones convolutifs conçu pour dépister les patients soupçonnés d'infections au COVID-19. Il tente d’identifier les signes révélateurs de la maladie sur les radiographies pulmonaires, répondant ainsi au manque de kits de test dans les hôpitaux pour le dépistage traditionnel.

La facilité et la rapidité de mise en œuvre des radiographies pulmonaires, mais le temps d’analyse reste un frein à l’adoption plus large de cette alternative. L’intelligence artificielle est capable d'analyser les images et permet d'avoir les résultats plus rapidement qu’avec l’intervention humaine.

Sheldon Fernandez, le PDG de DarwinAI déclare :

« Là où l'apprentissage profond en tant qu'outil a traditionnellement excellé, c'est avec l'analyse d'images - en regardant une image puis en déduisant une sorte de conclusion à partir de cette image. COVID-Net n'était qu'un sous-produit naturel du travail existant et les atouts de l'apprentissage profond comme outil d'analyse d'images ».

Pas de mise en production pour l’instant

COVID-Net a été entraîné avec près de 5000 rayons X dès ses débuts. Par la suite, les jeux de données ont été étoffés pour atteindre 17 000 images à la fin du mois de mars. Cependant, le PDG de DarwinAI explique que COVID-Net n'est pas encore prêt pour la production : « Pour le moment, il s'agit simplement d'une implémentation très technique que les scientifiques des données pourraient exploiter, mais certainement pas un professionnel de la santé. Elle doit donc être enveloppée dans une interface utilisateur d'application appropriée qui est assez facile à utiliser par quelqu'un qui n'est pas profondément technique ». La société espère qu'il sera prêt dans un délai très court. La libération des codes sources de l’application sera certainement un facteur d’accélération de cette mise en production.

Source : arxiv.org