COVID‑Net : diagnostic et pronostic de la COVID‑19 assistée par l'IA

Le diagnostic et le pronostic des patients infectés par la COVID‑19 sont des étapes cruciales de la lutte contre cette virose. Ce projet utilise des images de radiographie, de tomographie et d'imagerie à ultrasons déjà disponibles dans les hôpitaux qui pourront servir à mettre au point de nouvelles options de dépistage aux fins du triage rapide, en parallèle au dépistage virologique.  L'imagerie ultrasonique est non invasive, mobile, et de plus en plus accessible aux collectivités éloignées et à court de ressources.

Les chercheurs de l'Université de Waterloo et du CNRC utilisent l'intelligence artificielle (IA) pour analyser des images médicales thoraciques dans le cadre du dépistage clinique de la COVID‑19. L'IA pourrait ouvrir de nouvelles avenues dans l'examen des images médicales et le calcul de l'incidence et de la gravité des infections à la COVID‑19.

Le projet débouchera notamment sur l'établissement de modèles d'IA à libre accès, et de grandes bases de données organisées d'images systématiquement traitées. Ces outils pourraient aider les hôpitaux, les fabricants de dispositifs médicaux et les entreprises de logiciels à trouver des solutions novatrices de dépistage assisté par l'IA utiles pour la pandémie actuelle et les pandémies futures, ou d'autres infections pulmonaires.

Collaborateurs

• Recherche : Université de Waterloo, Centre de recherches en technologies numériques du CNRC
• Données : Instituts nationaux de santé, hôpitaux, bases de données publiques
• Puissance de calcul : DarwinAI, NVIDIA, Hewlett Packard, Microsoft
• Produits et utilisateurs ultimes : DarwinAI, Red Hat, Boston Children's Hospital
• Financement : DarwinAI, Programme Défi en réponse à la pandémie du CNRC

Objectifs

• Collecte et traitement des données (images, vidéos) radiographiques, tomodensitométriques et ultrasoniques obtenues auprès de patients atteints ou non de COVID‑19.
• Création de modèles de stratification du risque et de diagnostic basés sur les méthodes d'apprentissage fondées sur de très petits ensembles de données (techniques few‑shot) et sur le méta‑apprentissage.
• Mise au point de modèles de segmentation et de cadrage.
• Production de nouveaux outils d'IA pour faciliter le diagnostic et le pronostic de la COVID‑19.

Résultats (en anglais seulement)

• Ensembles de données radiographiques et de modèles libres d'accès pour le dépistage de la COVID‑19
• Ensembles de données tomodensitométriques et de modèles libres d'accès pour le dépistage de la COVID‑19
• Ensembles de données ultrasoniques et de modèles libres d'accès pour le dépistage de la COVID‑19

Équipe de projet

• Alex Wong, Chaire de recherche du Canada en intelligence artificielle et imagerie médicale, Université de Waterloo (en anglais seulement)
• Ashkan Ebadi, agent de recherches sénior, Centre d'analyse des données (en anglais seulement)
• Pengcheng Xi, agent de recherches sénior, Visionique et infographie

Publications (en anglais seulement)

• Understanding the temporal evolution of COVID‑19 research through machine learning and natural language processing
• COVID‑19 detection from chest X‑ray images using deep convolutional neural networks with weights imprinting approach