Les images IRM, en raison de leur complexité et de leur volume de données important, ont toujours représenté un défi majeur dans l'analyse d'images médicales. Pour entraîner les grands modèles linguistiques (LLM) à l'analyse 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 les cas complexes tels que les tumeurs cérébrales, les maladies osseuses ou les maladies cardiovasculaires. Note sur l'image : L'image a été générée par IA, fournisseur de services d'autorisation d'images Midjourney. Cependant, GE Healthcare a, cette année...

Le ministère de la Santé de Singapour a récemment annoncé un investissement de 200 millions de dollars singapouriens (environ 150 millions de dollars américains) pour déployer de nouvelles technologies d'intelligence artificielle dans le système de santé national au cours des cinq prochaines années. Ce nouvel investissement alimentera le Fonds pour l'innovation en santé, visant à soutenir le développement et les projets pilotes d'innovations technologiques, et à favoriser leur adoption à grande échelle dans l'ensemble du système. Note sur l'image : Image générée par IA, fournisseur de services d'autorisation d'images Midjourney. Parmi les projets les plus importants, on trouve un projet d'intelligence artificielle générative (IA générative) prévu pour fin 2025…

MedSAM-2, basé sur le framework Segment Anything Model 2 (SAM2), apporte une révolution dans le domaine de la segmentation d'images médicales. Sa principale avancée réside dans le traitement des images 2D et 3D comme des séquences vidéo, permettant une segmentation efficace des images tridimensionnelles. La fonction de « segmentation en un clic » de MedSAM-2 nécessite uniquement que l'utilisateur désigne la cible sur une seule image ; le modèle identifie et segmente ensuite automatiquement le même type d'objet sur les images suivantes, sans entrée continue. En tant que modèle général, il peut traiter n'importe quelle image.

D'ici 2035, le nombre d'outils d'IA d'imagerie médicale approuvés par la FDA devrait fortement augmenter, avec un soutien en capital-risque dépassant 30 milliards de dollars. Au cours des sept dernières années, la disponibilité des produits d'IA d'imagerie médicale a constamment augmenté, l'imagerie médicale représentant 85 % du capital-risque dans la santé numérique. Des études montrent une forte corrélation entre le soutien en capital-risque et le développement de produits d'IA, et on prévoit l'arrivée sur le marché de 350 nouveaux produits d'ici 2035.

Le marché mondial de l'intelligence artificielle pour l'imagerie médicale devrait atteindre 29,8 milliards de dollars d'ici 2032. L'Amérique du Nord détient la plus grande part de marché, mais la région Asie-Pacifique devrait connaître la croissance la plus rapide. Les applications de l'IA en radiologie et la demande de tomodensitométrie stimulent la croissance du marché. L'apprentissage profond et la vision par ordinateur sont les technologies clés, les applications d'imagerie mammaire et d'orthopédie étant dominantes.

OBIA comprend 937 cas patients de l’hôpital n° 301, soit 1,93 million d’images médicales couvrant 9 modalités et 30 régions anatomiques. OBIA permet la désidentification, la gestion et le contrôle qualité des données d’imagerie, offrant aux utilisateurs des services de navigation, de recherche et de téléchargement. OBIA comble le vide en matière de partage ouvert de données d’imagerie biomédicale en Chine et contribuera à stimuler le développement de l’IA en imagerie médicale.