En février 2021, la CAR a lancé son programme d’études national intitulé « L’intelligence artificielle en radiologie : les bases des applications actuelles » (en anglais), qui comprend cinq cours et de nombreux modules déployés au fur et à mesure. Fondés sur les dernières avancées scientifiques et élaborés par des experts en la matière, les modules renferment une multitude de connaissances destinées aux radiologistes. Alors, où en sommes-nous?
Cours 1
L’Introduction à l’intelligence artificielle en radiologie est entièrement disponible et comprend quatre modules interactifs passionnants :
- Module 1.1 L’intelligence artificielle en radiologie : ce que cela signifie pour notre profession – Le Dr An Tang, ancien président du comité permanent sur l’IA, présente le programme et les concepts clés, comme la hiérarchie des domaines de l’IA et les différentes façons de conceptualiser le rôle de l’IA en radiologie, avec notamment trois applications potentielles au sein des processus de travail cliniques et six cas d’utilisation potentiels.
- Module 1.2 Évaluation des applications d’IA en radiologie – Dans ce module pratique, le Dr Jaron Chong, président du comité permanent sur l’IA, présente les bases du développement et de la validation des modèles d’IA et vous propose un modèle permettant d’évaluer les applications d’IA. Vous aurez l’occasion d’appliquer ce modèle dans un scénario interactif.
- Module 1.3 Les meilleures pratiques pour produire des systèmes prédicteurs efficaces – Le Dr Russ Greiner, professeur renommé d’informatique à l’Université de l’Alberta, a travaillé avec de nombreuses équipes de professionnels de la santé pour créer des algorithmes prédictifs qui améliorent l’évaluation, le diagnostic et la planification du traitement des patients. Dans ce module, il partage les connaissances dont vous avez besoin pour collaborer avec succès au sein d’une telle équipe.
- Module 1.4 Perceptions de l’impact de l’IA sur la radiologie : enquête auprès des étudiants en médecine – Le Dr Bo Gong examine les données d’enquête relatives aux préoccupations des étudiants en médecine concernant leur future carrière en radiologie et les idées fausses circulant sur l’IA. Il partage également ses observations tirées de sa propre expérience en tant qu’étudiant en médecine et résident actuel en radiologie à l’Université de la Colombie-Britannique, ayant un intérêt croissant pour l’IA.
Cours 2
Principes fondamentaux de l’apprentissage machine approfondit les aspects plus techniques de l’IA. Les trois premiers modules interactifs sont actuellement disponibles, et un quatrième module est en cours de développement :
- Module 2.1 Les 4 points à savoir sur l’IA en radiologie – Le Dr Jaron Chong met en évidence quatre points clés, en reprenant certains concepts du cours 1 sous un angle légèrement différent et de façon un peu plus détaillée. Ce module est un tremplin idéal pour approfondir l’apprentissage machine.
- Module 2.2 Principes de base de l’apprentissage machine – Dans ce module, le Dr Amir Pakdel, président du comité permanent sur l’IA, section éducation, vous guide à travers les étapes de la création d’un algorithme d’apprentissage machine. Les fondements statistiques de l’apprentissage machine sont présentés à l’aide d’exemples animés dont la complexité augmente progressivement.
- Module 2.3 Principes fondamentaux des réseaux neuronaux – Le Dr Roger Tam, professeur associé au département de radiologie de l’Université de la Colombie-Britannique, applique les méthodes d’apprentissage machine à l’analyse quantitative des images médicales. Dans ce module, il présente l’anatomie d’un réseau neuronal artificiel simple et s’appuie sur le processus de formation présenté dans le module 2.2.
- Module 2.4 Traitement du langage naturel : ce que les radiologistes doivent savoir – Le Dr Osmar Zaïane est mondialement connu pour ses travaux sur l’exploration de données, l’analyse des réseaux sociaux et le traitement du langage naturel (TLN) à l’Université de l’Alberta. Son prochain module vise à éclaircir certains des mystères qui se cachent derrière l’extraction d’informations à partir de textes bruts non structurés. Il abordera plusieurs applications du TLN dans le domaine des soins de santé et de la radiologie, plus particulièrement.
Il est toujours possible de rejoindre les membres de la CAR qui ont commencé à suivre ce programme (et à obtenir des crédits de MDC dans le cadre du programme d’autoévaluation de la section 3). Inscrivez-vous aujourd’hui!
L’accès à la RAD Academy est un avantage exclusif réservé aux membres de la CAR. Veuillez nous contacter par courriel pour obtenir vos codes d’accès.