Récemment, Hong Kong a lancé un grand modèle d'échographie appelé « Linyin » (EchoCare), qui est le premier ensemble de données au monde avec plus de 4 millions d'images échographiques. Ce projet a été développé par le Centre d'innovation en intelligence artificielle et en robotique (CAIR) de l'Institut de l'innovation à Hong Kong de l'Académie chinoise des sciences. Il vise à atténuer la pénurie de médecins radiologues spécialisés en échographie et à améliorer l'efficacité et la qualité des équipements d'échographie.
Avec l'importance croissante de la technologie échographique dans le diagnostic des maladies et la détection de la santé, le nombre d'examen d'échographie effectués annuellement en Chine atteint 2 milliards. Cependant, le déficit de médecins radiologues spécialisés en échographie est de 150 000. La formation d'un médecin radiologue compétent prend généralement de 3 à 5 ans, voire plus longtemps pour certains domaines spécialisés, ce qui constitue un défi majeur pour la généralisation des examens d'échographie. Le professeur Huang Hongliang de l'École de médecine de l'Université de Hong Kong a souligné que les délais d'attente pour les examens sont longs à Hong Kong, et certains examens courants peuvent prendre plus d'un an.
Note : l'image est générée par l'IA, le fournisseur de licence est Midjourney
À cet égard, le grand modèle EchoCare du CAIR est apparu. Ce modèle représente non seulement une innovation technologique, mais aussi un jalon important pour l'application de l'intelligence artificielle dans le domaine de l'échographie. EchoCare utilise une méthode d'apprentissage auto-supervisé structuré basée uniquement sur les données, ce qui permet de surmonter le problème de rareté des données de haute qualité dans le diagnostic d'échographie traditionnel. Cette technologie innovante permet au modèle d'apprendre des caractéristiques sans avoir besoin de nombreuses annotations manuelles, tout en disposant d'une bonne capacité de généralisation inter-centre.
De plus, EchoCare dispose également d'une capacité d'apprentissage continu, capable de s'adapter aux nouveaux scénarios d'application et de s'améliorer constamment, garantissant ainsi que le modèle reste toujours au meilleur niveau. Après une validation initiale, les performances du modèle ont été excellentes en milieu clinique, et des études rétrospectives ont déjà été menées dans plusieurs hôpitaux tels que l'Université de Shandong, montrant une sensibilité de 85,6 % et une spécificité de 88,7 %.
