Intelligence artificielle explicable pour le cancer du sein : Une approche visuelle de raisonnement à partir de cas

Jean-Baptiste Lamy (1) , Boomadevi Sekar , Gilles Guezennec , Jacques Bouaud (1) , Brigitte Séroussi (1)

1 LIMICS - Laboratoire d'Informatique Médicale et Ingénierie des Connaissances en e-Santé

Dans le cancer du sein, l'intelligence artificielle peut aider les médecins à effectuer le diagnostic et à prescrire le bon traitement. Cependant, la plupart des méthodes récentes (comme l'apprentissage profond) sont des "boîtes noires" qui ne permettent pas d'expliquer les prédictions de machine. Au contraire, les médecins ont besoin de comprendre les recommandations des systèmes d'aide à la décision afin d'y adhérer. Nous proposons une approche visuelle de raisonnement à partir de cas, permettant une visualisation à la fois quantitative et qualitative de la similarité entre les cas. Cette approche a été testée sur 3 jeux de données publics pour le diagnostic et des données réelles pour la thérapie, et présentée à 11 médecins. Cet article est un résumé de:

Domaines: Santé publique et épidémiologie; Intelligence artificielle [cs.AI]

Jean-Baptiste Lamy, Boomadevi Sekar, Gilles Guezennec, Jacques Bouaud, Brigitte Séroussi. Intelligence artificielle explicable pour le cancer du sein : Une approche visuelle de raisonnement à partir de cas. Extraction et Gestion des Connaissances (EGC), 2020, Bruxelles, Belgique. ⟨hal-03479312⟩