Cloud

Spectral MD utilise l’apprentissage en profondeur pour fournir des informations clés aux médecins

Share this post:

La rapidité et la précision avec lesquelles les médecins diagnostiquent les brûlures peuvent avoir un impact considérable sur le délai de guérison. Or on enregistre aujourd’hui un taux d’erreur de diagnostic de près de 30 %, même chez les spécialistes.

Chez Spectral MD, nous avons développé un outil d’apprentissage en profondeur, DeepView Wound Imaging System, qui va révolutionner l’analyse des brûlures. Dans la perspective de mise sur le marché de notre solution, nous avons équipé des serveurs bare metal IBM Cloud d’unités de traitement graphique (GPU) Tesla NVIDIA dernier cri afin d’accélérer l’entraînement de la solution.

Mettre l’IA au service des médecins

Jusqu’à présent, les médecins se sont essentiellement fiés à ce qu’ils voyaient pour identifier le traitement des brûlures le mieux adapté. En cas d’erreur de diagnostic, il peut ainsi arriver que des patients subissent une opération inutile ou à l’inverse, passent à côté d’un traitement qui aurait pu accélérer leur guérison.

Pour pallier ce problème, nous avons créé DeepView Wound Imaging System. Grâce à l’imagerie multispectrale, le système permet de distinguer les tissus humains sains des tissus endommagés beaucoup plus précisément qu’à l’œil nu.

L’entraînement des algorithmes d’apprentissage en profondeur sur lesquels repose notre solution nécessite une puissance de calcul très importante. Lorsque nous sommes entrés dans la phase des essais cliniques, nous savions que nous avions besoin d’un matériel plus performant afin de créer un modèle robuste et rapide pour diagnostiquer et classifier précisément les brûlures.

 

Tirer profit d’une puissance de calcul exceptionnelle

En tant que start-up, nous ne souhaitions pas avoir à acheter et gérer nous-mêmes notre propre infrastructure. Nous nous sommes donc tournés vers les fournisseurs de services cloud et IBM Cloud s’est immédiatement imposé en raison de sa flexibilité et de ses options de personnalisation. D’après le pourcentage de temps pendant lequel nous devions avoir accès à une instance GPU, nous en avons conclu qu’IBM serait moins cher que les fournisseurs cloud concurrents.

IBM a conçu l’architecture informatique idéale pour faire passer notre solution DeepView à la vitesse supérieure. Composée de deux serveurs bare metal IBM Cloud équipés de GPU Tesla NVIDIA à la pointe de la technologie, l’architecture IBM nous offre les hautes performances dont nous avons besoin.

Afin de créer nos modèles, nous utilisons plusieurs milliers d’images mutispectrales de brûlures diagnostiquées avec précision pour entraîner nos algorithmes d’apprentissage automatique. Ensuite, nous utilisons une combinaison de techniques de descente de gradient et de validation croisée pour améliorer encore la précision.

Nous avons rapidement pu observer l’impact des solutions IBM Cloud sur les temps d’entraînement du système. Avant, il nous fallait environ trois heures pour réaliser la phase d’entraînement initiale pour un seul algorithme. Le fait de passer aux solutions IBM Cloud nous a permis de réduire le temps nécessaire à moins d’une heure.

Le processus d’entraînement permet à nos algorithmes d’analyser les signatures optiques des images des blessures très rapidement et d’en déduire la façon dont les photons interagissent avec les tissus sous la surface de la peau d’un patient. A partir de ces informations, notre solution peut déterminer de manière extrêmement précise si une blessure est suffisamment grave pour nécessiter une intervention chirurgicale.

Transformer le processus de guérison d’une brûlure

Maintenant que notre infrastructure informatique est entre les mains d’IBM, nos équipes d’ingénieurs et de scientifiques peuvent se concentrer davantage sur la commercialisation rapide et économique de notre solution DeepView. De plus, l’équipe IBM Cloud assure une veille technologique, si bien que nous profitons d’améliorations continues de la performance sans avoir à surveiller le marché.

L’énorme puissance de calcul des serveurs bare metal IBM Cloud équipés de GPU réduit considérablement le temps passé à entraîner nos algorithmes d’apprentissage en profondeur. Nous gagnons 90 % de temps sur l’exécution des tâches par rapport à ce que nous aurions pu faire sans IBM.

Nous en sommes toujours à la phase des essais cliniques mais lorsque DeepView sera installé dans différents hôpitaux à travers les Etats-Unis, nous espérons pouvoir faire baisser le taux d’erreurs de diagnostic sur les brûlures de 30 à seulement 5 pour cent. En plus de cela, notre solution fournira aux médecins les informations clés dont ils ont besoin pour prodiguer des soins plus efficaces et favoriser une guérison plus rapide. Avec l’aide d’IBM Cloud, Spectral MD est en train de révolutionner le diagnostic, la classification et le traitement des brûlures.

Pour plus d’informations, lisez l’étude de cas et regardez la vidéo.

Cet article a été initialement écrit en anglais par Jeffrey Thatcher, Chief Scientist, Spectral MD et publié le 19 novembre 2018 ici

IBM Watson & Cloud Services Marketing Leader

More Cloud stories
21 juillet 2022

Quels critères pour une intelligence artificielle de confiance ?

L’intelligence artificielle est capable d’effectuer des traitements à large échelle, tout en s’affranchissant des biais cognitifs propres aux opérateurs humains. À condition toutefois qu’elle respecte certains principes de base qui vont en garantir l’éthique…  La Commission européenne travaille sur un cadre juridique autour de l’intelligence artificielle (IA). Un texte très attendu par les entreprises, qui […]

Continue reading

11 juillet 2022

Pourquoi l’AIOps aide les équipes IT à conserver la maîtrise de leur SI

Les DSI ont de plus en plus de difficultés pour appréhender la complexité croissante de leur paysage IT. L’AIOps les aide à détecter les problèmes opérationnels, en trouver la cause et y remédier. L’AIOps automatise également l’optimisation des ressources. Une technologie en plein essor.   L’AIOps (Artificial Intelligence for IT Operations) est une technique encore […]

Continue reading

22 septembre 2021

La « data fabric » : La fin du « data hub » centralisé ?

Les données distribuées, en silos, continuent d’être le point de compression de l’exploitation et la gouvernance des données. L’intégration, la préparation de ces données, leur nettoyage, leur mise en qualité, leur exposition continuent d’être le défi de la création de valeur. Les « data hub » existants sont fortement sollicités pour accélérer, voire automatiser cette phase d’intégration […]

Continue reading