L'Université Radboud crée des solutions de machine learning pour l'imagerie médicale sur AWS

Les hôpitaux débordés ont besoin d'une imagerie médicale rapide et précise pour diagnostiquer et traiter rapidement les patients souffrants de COVID-19. De nombreux établissements comptent peu de radiologues parmi leur personnel, et la trop grande charge de travail contribue à l'épuisement professionnel.

Bram van Ginneken, professeur d'analyse d'images médicales au Centre médical de l'Université Radboud déclare : « Ce dont nous avons besoin dans la communauté des chercheurs, c'est d'une infrastructure mondiale intégrée pour développer des solutions de machine learning ». M. Van Ginneken supervise Grand Challenge, une plateforme en ligne pour le développement de bout en bout de solutions de machine learning dans le domaine de l'imagerie biomédicale.

L'équipe de M. Van Ginneken a mis au point CO-RADS, un système de notation rapide et précis permettant de diagnostiquer un grand nombre de nouveaux patients à l'aide de la TDM des poumons, ce qui a entraîné une augmentation du nombre d'utilisateurs de la plateforme Grand Challenge. Pour répondre à ce besoin, l'Université Radboud a entièrement migré la plateforme du Grand Challenge vers Amazon Web Services (AWS). La plateforme utilise plusieurs services AWS pour créer un environnement évolutif permettant de créer, tester et déployer des algorithmes d'imagerie médicale. Amazon Simple Storage Service (Amazon S3) avec transfert accéléré rassemble les données de sites du monde entier et Amazon CloudFront charge les analyses dans un navigateur simple d'utilisation avec une latence inférieure à 10 ms.

Sécurisé, évolutif et disponible gratuitement, le Grand Challenge à technologie AWS fournit les outils nécessaires pour créer, entraîner et déployer des modèles de machine learning à grande échelle pour les applications cliniques stratégiques. Pour faire avancer la recherche sur le virus à l'origine de la pandémie de COVID-19, Grand Challenge a utilisé les nouvelles fonctions de la plateforme pour lancer un défi de classification encourageant les utilisateurs à développer et à envoyer des algorithmes conçus pour mieux classer les anomalies pulmonaires. « Nous relèverons ce défi avec l'aide rapprochée d'AWS », explique Ginneken. « Nous invitons également les utilisateurs du machine learning à développer conjointement des solutions qui pourraient aider à lutter contre la crise actuelle ».

Découvrez AWS pour les soins de santé : aws.amazon.com/health.