Validation d’algorithmes d’aide à la décision

25/05/2016 | Frédéric Lambrechts | Commentaires

Qu’est ce qu’un algorithme de diagnostic assisté par ordinateur ?

Un diagnostic traditionnel implique des radiologues pour interpréter visuellement les images médicales pour tous les signes suspects. Toutefois, en raison de la grande quantité d’images médicales, le diagnostic traditionnel est souvent difficile et peut être sujet à des erreurs de détection et de caractérisation et une variabilité inter et intra-lecteur.

Pour parvenir à un diagnostic plus précis, les différents types d’approche de diagnostic assistés par ordinateur (CAD) ont été développés pour faciliter l’interprétation des images médicales. Cela aide les radiologues dans leur interprétation des images médicales par balayage et l’évaluation des images numériques pour les structures visibles. CAD fournit aux radiologues une seconde opinion dans la détection et les processus de diagnostic, tandis que le radiologue reste le lecteur et le premier a prendre une décision.

L’algorithme informatique est généralement constitué de plusieurs étapes qui peuvent inclure un traitement d’image, l’analyse de caractéristiques d’images et la classification des données.

CAD commence à être appliqué progressivement dans la détection et le diagnostic de divers types d’anomalies dans les images médicales effectuées par les différentes modalités d’imagerie.

Défis pour la validation du CAD

La validation fait référence aux procédures qui permettent de mesurer la précision de l’algorithme à évaluer. A cet effet, un grand ensemble de données d’images est nécessaire. Cet ensemble de données contient des cas positifs, négatifs, faux positifs et faux négatifs.

Actuellement, le transfert d’images médicales à des fins de validation se fait principalement par le biais de trois processus:

  • L’envoi de CD. Cette méthode est fastidieuse, coûteuse et peu fiable

  • Mise en place des tunnels VPN complexes. Ces tunnels sont coûteux et difficiles à entretenir.

  • Des outils propriétaires (Source fermée) existent pour permettre la connectivité DICOM. Cependant, ceux-ci sont coûteux à mettre en place et la gestion de l’entretien entraine des frais récurrents.

Une fois transférée, l’image doit être stockée de manière à ce que l’équipe de recherche puisse accéder aux balises DICOM et aux résultats d’analyse. Cela est difficile dans le sens où il n'y a pas d’outils qui sont facilement disponibles et qui permettent à l’utilisateur d’interagir avec les détails de l’étude ouvertement.

En bref, aucun des procédés actuels n’est vraiment efficace, à moins que vous externalisiez et/ou utilisiez des outils propriétaires coûteux.

Orthanc et Osimis entrent en jeu

Un procédé simple et efficace, puissant et rentable pour gérer et partager des images médicales a été introduit en 2011 par Sébastien Jodogne, membre du personnel de l’hôpital de l’université de Liège, qui a créé un serveur d’imagerie médicale nommé Orthanc, initialement conçu pour répondre aux besoins de leur service de radiothérapie. Comme la recherche de ces développements a été parrainée par des fonds publics, il a ensuite été décidé d’ouvrir le code source.

Orthanc est un serveur DICOM open-source pour l’imagerie médicale qui simplifie également la recherche sur l’analyse automatisée des images médicales. Parmi ses nombreuses fonctionnalités, il offre un stockage centralisé dans un cloud privé ou public, donnant accès à des images pour les parties concernées sur internet, où que vous soyez!

Comme les instances d’Orthanc peuvent être installées et configurées en un rien de temps, les sites d’imagerie peuvent l’utiliser comme un moyen d’anonymiser et de transférer les études automatiquement en une instance centralisée (dans le cloud) d’Orthanc.

De là, l’équipe de recherche peut alors accéder à des études via l’API REST, ce qui permet, par exemple, la manipulation des balises DICOM ou l’exécution de l’algorithme de CAD.

Une fois que l’algorithme est réglé, il peut être rendu accessible par l’intermédiaire de portails qu’Osimis peut personnaliser pour le client.

Osimis peut aider l’équipe de recherche à mettre en place la connectivité avec les sites d’imagerie et peut accueillir une zone de dépôt pour les projets de recherche.

alt text

Pour découvrir pleinement l’offre de service Orthanc et Osimis, nous vous prions de visiter et suivre www.orthanc-server.com et osimis.io.

Catégorie : Use case
Tags : clinical research

Osimis team frederic

Frédéric Lambrechts

Une personne pour qui les 24 heures d’une journée sont juste suffisantes en échappant au sommeil. Bouillonnant d’idées, il peut se targuer d’être perpétuellement au fait de ce qui se passe dans sa société avec toujours une étape d’avance. Frédéric travaillait comme consultant bancaire jusqu’à ce qu’une inspiration divine le condamne à une vie de servitude dans le domaine de l’imagerie médicale... cela, juste après la découverte des méandres du monde du codage durant un excellent bootcamp de 2 mois (www.wagon.org).