Sujet
Tous les articles d’Actu.ai consacrés à Imagerie médicale : actualités, analyses et explications sur ce sujet lié à l’intelligence artificielle. 9 articles
Délimiter une tumeur, un organe ou une structure cérébrale sur des milliers d’images reste une tâche longue pour les équipes de recherche. MultiverSeg, un système interactif conçu au MIT, apprend progressivement des corrections apportées par l’utilisateur. L’outil promet de réduire fortement le nombre de clics et de tracés nécessaires, sans exiger de compétences en apprentissage automatique.
Une équipe de l’UC San Diego a mis au point une méthode d’IA qui peut segmenter des images médicales à partir d’un petit nombre d’annotations expertes. En générant des paires image-masque synthétiques et en les ajustant par rétroaction, elle réduit jusqu’à 20 fois le besoin en données.
Google met à disposition MedGemma et MedSigLIP, des modèles d’IA conçus pour les textes et les images médicales. Avec des résultats prometteurs sur des tests spécialisés et une exécution possible en local, ils pourraient aider les soignants. À condition de ne jamais confondre assistance algorithmique et décision clinique.
Pour interpréter une image, une IA ne peut pas seulement repérer des motifs statistiques : elle doit aussi composer avec la lumière, l’optique, les distances et le mouvement. En s’appuyant sur la physique et la géométrie, la vision artificielle cherche à gagner en précision, en robustesse et en sobriété de données.
Faire dialoguer les équations de la physique et l’intelligence artificielle peut rendre certains modèles plus sobres, plus robustes et plus utiles à la recherche. De l’imagerie médicale aux simulations industrielles, cette approche ne remplace pas les lois scientifiques : elle les intègre pour mieux exploiter les données.
Google fait évoluer AMIE, son système d’IA médicale conversationnelle, pour qu’il prenne aussi en compte des images comme des photos dermatologiques ou des électrocardiogrammes. Dans 105 scénarios simulés, l’outil a obtenu des évaluations souvent supérieures à celles de médecins, sans pour autant être prêt à exercer en situation réelle.
La société Chipiron développe une IRM portable reposant sur des capteurs quantiques, avec l’ambition de rapprocher l’imagerie médicale des patients. Cette approche pourrait alléger les contraintes des installations classiques, mais elle devra encore démontrer ses performances cliniques, sa sécurité et son utilité au quotidien.
« Possible », « probable », « très probable » : dans un compte rendu de radiologie, ces termes orientent directement la suite des soins. Une équipe du MIT et de cliniciens affiliés à Harvard propose une méthode pour mesurer leur fiabilité réelle et mieux calibrer l’incertitude diagnostique.
Le MIT Lincoln Laboratory compte quinze technologies récompensées aux prix R&D 100 en 2024. Parmi les projets cités figurent le scanner automatisé MSP® 320 et le microscope électronique autonome AutoEM, deux exemples d’innovations allant de l’imagerie à la sécurité des données.
