TRIBVN Healthcare s’impose comme un acteur IA confirmé

TRIBVN Healthcare a constitué depuis maintenant un an une équipe IA dédiée composée de data scientists et d’ingénieurs spécialisés en computer vision.

Notre équipe travaille au développement d’algorithmes d’analyse d’images sur des lames virtuelles pour répondre à diverses problématiques médicales comme par exemple le scoring des biomarqueurs pronostiques et prédictifs du cancer du sein ou la segmentation tissulaire et le tri de lames de biopsie colique.

C’est dans ce contexte que nous avons naturellement participé au Data Challenge TissueNet 2020 sur la détection de lésions cervicales. Le travail a été réalisé sur des données qui étaient disponibles lors du Data Challenge 2020 organisé par la Société Française de Pathologie (SFP) et du Health Data Hub (HDH), avec le soutien du Grand Defi pour l’I.A. en Santé.

Nous sommes très fiers d’avoir remporté cette compétition en développant un algorithme de deep learning de qualité avec un score 0.947 pour la classification de lames cervicales. Ce défi international a rassemblé plus de 500 participants du monde entier. Il fut une excellente occasion pour notre équipe de démontrer ses compétences et son expérience sur un ensemble de données stimulant.

Lire le poster scientifique

Notre approche algorithmique, que nous avons illustrée dans notre poster intitulé « Detect Lesions in Cervical Biopsies » consiste à travailler dans un cadre d’apprentissage supervisé dans lequel nous avons utilisé seulement les 1000 lames annotées du data challenge sans aucune annotation supplémentaire. Notre stratégie reposait sur le travail en étroite collaboration avec les pathologistes et la compréhension à leurs côtés des tissus pathologiques et la différence entre les grades. Les informations préalables sur la localisation des grades ainsi que le juste équilibre entre le contexte de la lésion et la résolution d’image ont été efficacement modélisés par nos data scientists. En outre, un pipeline d’analyse efficace basé sur un modèle DenseNet prédéfini a également été la clé de notre succès et nous a permis d’obtenir un score prometteur qui constitue une étape encourageante vers l’utilisation clinique de nos algorithmes pour faire gagner du temps aux pathologistes.

Catégorie : Entreprise