Les images IRM, en raison de leur complexité et de leur volume important de données, ont toujours représenté un défi majeur dans l'analyse d'images médicales. Pour entraîner de grands modèles de langage (LLM) à l'analyse d'IRM, les développeurs ont dû découper les images acquises en images 2D. Cette approche, bien que fonctionnelle, limite la capacité du modèle à analyser des structures anatomiques complexes, notamment dans des cas complexes comme les tumeurs cérébrales, les maladies osseuses ou les maladies cardiovasculaires.
Source de l'image : image générée par IA, fournisseur de services d'autorisation d'images Midjourney
Cependant, lors de la conférence AWS re:Invent de cette année, GE Healthcare a lancé le premier modèle de base d'étude IRM 3D corporelle complet du secteur, marquant ainsi la possibilité pour les modèles d'IRM d'utiliser des images 3D de tout le corps. Ce modèle est basé sur plus de 173 000 images provenant de 19 000 études. L'équipe de développement a indiqué que ce nouveau modèle réduisait de cinq fois la puissance de calcul nécessaire à l'entraînement.
Bien que GE Healthcare n'ait pas encore commercialisé ce modèle de base, qui est actuellement en phase de recherche, des évaluateurs précoces, tels que le Mass General Brigham (Hôpital général du Massachusetts), vont bientôt commencer à l'expérimenter. Parry Bhatia, directeur de l'intelligence artificielle chez GE Healthcare, a déclaré souhaiter doter les équipes techniques des systèmes médicaux de ces modèles afin de les aider à développer plus rapidement et plus économiquement des applications de recherche et cliniques.
L'apparition de ce modèle permettra une analyse en temps réel des données IRM 3D complexes. L'équipe de GE Healthcare possède dix ans d'expérience dans les technologies de pointe. Son produit phare, AIR Recon DL, est un algorithme de reconstruction par apprentissage profond qui aide les radiologues à obtenir des images plus nettes plus rapidement et à réduire le temps de numérisation jusqu'à 50 %. De plus, ce modèle d'IRM 3D prend en charge la recherche et la liaison d'images et de texte, ainsi que la segmentation et la classification des maladies, dans le but de fournir aux professionnels de la santé des informations de numérisation plus complètes qu'auparavant.
En matière de traitement des données, l'équipe de développement a adopté une stratégie d'"ajustement et d'adaptation" permettant au modèle de traiter divers ensembles de données, même si certaines données d'images sont incomplètes. Le modèle peut ignorer les parties manquantes. De plus, une méthode d'apprentissage semi-supervisé élève-enseignant a été utilisée pour améliorer les capacités d'apprentissage du modèle dans des conditions de données limitées.
Pour relever les défis informatiques et de données rencontrés lors de la création de ce modèle complexe, GE Healthcare a utilisé la plateforme Amazon SageMaker, combinée à la capacité d'entraînement distribué de GPU hautes performances, améliorant ainsi considérablement la vitesse de traitement des données et l'efficacité de l'entraînement du modèle. Tout cela a été fait en veillant au respect des normes de conformité telles que HIPAA, afin de fournir des services médicaux plus personnalisés aux patients.
Bien que ce modèle se concentre actuellement sur le domaine de l'IRM, les développeurs voient d'énormes possibilités d'extension à d'autres domaines médicaux. À l'avenir, ce modèle de base pourrait fournir des solutions plus rapides et plus efficaces pour des domaines tels que la radiothérapie.
Points clés :
🧠 GE Healthcare lance le premier modèle de base d'étude IRM 3D corporelle complet du secteur, améliorant considérablement les capacités d'analyse d'images.
💻 Le nouveau modèle, grâce à une stratégie de traitement des données ajustée, réduit la consommation de ressources informatiques et améliore l'efficacité de l'entraînement.
🚀 Ce modèle devrait à l'avenir s'étendre à d'autres domaines médicaux, contribuant à des services médicaux plus précis.
