Skip to main page content
U.S. flag

An official website of the United States government

Dot gov

The .gov means it’s official.
Federal government websites often end in .gov or .mil. Before sharing sensitive information, make sure you’re on a federal government site.

Https

The site is secure.
The https:// ensures that you are connecting to the official website and that any information you provide is encrypted and transmitted securely.

Access keys NCBI Homepage MyNCBI Homepage Main Content Main Navigation
. 2021 Nov 8;193(44):E1716-E1719.
doi: 10.1503/cmaj.202066-f.

Problèmes associés au déploiement des modèles fondés sur l’apprentissage machine en santé

[Article in French]
Joseph Paul Cohen  1 , Tianshi Cao  1 , Joseph D Viviano  2 , Chin-Wei Huang  1 , Michael Fralick  1 , Marzyeh Ghassemi  1 , Muhammad Mamdani  1 , Russell Greiner  1 , Yoshua Bengio  1
Affiliations

Problèmes associés au déploiement des modèles fondés sur l’apprentissage machine en santé

[Article in French]
Joseph Paul Cohen et al. CMAJ. .
No abstract available

PubMed Disclaimer

Conflict of interest statement

Intérêts concurrents: Joseph Paul Cohen déclare avoir reçu une subvention Catalyseur en IA et une subvention Catalyseur IA-COVID-19 du CIFAR, ainsi qu’une subvention du Groupe de santé Carestream (Université Stanford), indépendamment des travaux soumis. Il déclare aussi être administrateur pour l’Institut de recherche sur les données reproductibles, un organisme sans but lucratif aux États-Unis. Michael Fralick déclare avoir reçu des honoraires de services-conseils de la société Proof Diagnostics (anciennement Pine Trees Health), une entreprise en démarrage qui travaille à la création d’un test diagnostique du virus SRAR-CoV2 utilisant la technologie CRISPR. Aucun autre intérêt concurrent n’a été déclaré.

Figures

Figure 1:
Figure 1:
Cette figure montre 3 catégories de données hors échantillon, toutes dans le contexte de la formation d’un algorithme d’apprentissage machine apprenant à lire les radiographies pulmonaires chez l’adulte (voir l’image C iii). A) Images sans lien avec la tâche. B) Images obtenues de manière inadéquate. C) Éléments visuels ignorés en raison de biais de sélection dans les données de formation (les images présentant des lésions de cancer du poumon et un stimulateur cardiaque n’ont pas été incluses dans les données de formation, et n’ont donc jamais été vues pendant la formation). C) iii) Données de formation sujettes à un biais de sélection.
See this image and copyright information in PMC

References

    1. Verma AA, Murray J, Greiner R, et al. . Implementing machine learning in medicine. CMAJ 2021;193:E1351–7. - PMC - PubMed
    1. Liu Y, et al. . How to read articles that use machine learning: users’ guides to the medical literature. JAMA 2019;322:1806–16. - PubMed
    1. England JR, Cheng PM. Artificial intelligence for medical image analysis: a guide for authors and reviewers. AJR Am J Roentgenol 2019;212:513–9. - PubMed
    1. Tschandl P, Rinner C, Apalla Z, et al. . Human–computer collaboration for skin cancer recognition. Nat Med 2020;26:1229–34. - PubMed
    1. Artificial intelligence and machine learning in software as a medical device. Silver Spring (MD): US Food and Drug Administration; 2021. Accessible ici: https://www.fda.gov/medical-devices/software-medical-device-samd/artific... (consulté le 14 mai 2021).