L’IA au service de la santé

Nous avons développé un algorithme qui aide les médecins à diagnostiquer le cancer du sein

Le contexte

📈 Le dépistage rapide permet d’augmenter les chances de survie à 5 ans à 99%, contre 85% en moyenne

🏥 L’analyse de tissus extraits par biopsie par un médecin pathologiste est la seule manière d’identifier un cancer du sein avec certitude.

😓 De moins en moins de pathologistes sont formés chaque année.

🙌 Nous pouvons assister un pathologiste grâce à un algorithme de reconnaissance d’image

cancer_sein_tissus
deeplearning_image

Les résultats

👨🏼‍💻 Nous avons entraîné un réseau de neurones sur 300 lamelles découpées en 300 000 images labellisées de 50×50 pixels

⏱ Au bout de 2 semaines, notre algorithme reconnait les zones saines ou atteintes dans 88% des cas.

Comment l’IA peut aider les médecins à dépister les maladies

De nombreuses activités de médecins impliquent l’analyse d’un échantillon ou d’une image produite par un appareil médical, comme une radiographie. Utiliser la reconnaissance d’image dans le cadre de ces analyses permet :

  • de faire economiser du temps aux médecins
  • d’améliorer la qualité des diagnostics

En cancérologie, les techniques de reconnaissance d’image permettent d’analyser des biopsies de tissus comme nous l’avons fait pour le cancer du sein. Les mêmes méthodes permettent de diagnostiquer le cancer de la gorge à partir d’une radio comme le fait deepmind, ou bien le mélanome à partir de photos de la peau comme l’a fait une équipe américaine.

image-article-ia

Comment ça fonctionne ?

capture-decran-2018-05-04-a-15.46.29
number1

Données labellisées

entrainement_algo-1
number2

Conception et entraînement de l’algorithme

reconnaissance_image-1
number3

Importez, c’est gagné !

Nos experts reconnaissance d’image

  • Adil
    Adil Data Scientist Agile

    Centrale Paris

    Pendant ses études à Centrale Paris Adil s’est spécialisé en informatique et en Machine Learning. Il a fait ses armes en Computer Vision chez Dassault Système, où son travail a fait l’objet d’un brevet. Adil est le premier a avoir rejoint l’aventure Sicara aux cotés de Benoit et Pierre-Henri en novembre 2016.

  • Alexandre
    Alexandre Data Scientist Agile

    Centrale Paris

    Alexandre a quitté le soleil de Montpellier pour faire ses études à Centrale Paris. Il a fait de l’évitement de collisions pour drones puis un algorithme pour maintenir les satellites sur leur orbite chez Thales. En 2016, il rejoint Theodo puis Sicara en 2018.

  • Pierre-Henri
    Pierre-Henri CTO

    École Polytechnique, PhD

    Pierre-Henri a réalisé une thèse mathématiques sur les “p-variations approchées et erreurs d’arrondis”. A la suite de sa thèse il rejoint Theodo où il devient deputy CTO. En 2016 il co-fonde Sicara avec Benoît.

  • Quentin
    Quentin Data Scientist Agile

    Supélec

    Passionné d’intelligence artificielle, Quentin a étudié le Machine learning dans la meilleure université Chinoise (TsingHua) où il a travaillé sur des algorithmes de réseaux de neurones artificiels. Après une première expérience de datascientist chez Publicis, Quentin se forme au lean et au développement chez Theodo. Il rejoint l’aventure Sicariote en 2018.

SICARA. EXPLOITEZ VOTRE POTENTIEL DATA