L’avènement du big data à l’hôpital a proposé un changement de paradigme par le passage d’une approche centrée patient à une centrée sur les données ; cette nouvelle façon de traiter l’information est une première étape au développement de l’intelligence artificielle (IA). Cette grande quantité d’images médicales, rendue disponible grâce au big data, offre un grand potentiel pour l’entraînement de réseaux de neurones et, en particulier, du deep learning.

Les radiologues ont un rôle bien plus riche que la simple lecture d’images, le dopage récent des logiciels d’interprétation, par des techniques d’IA, accélèrent cette tâche et donne au radiologue plus de temps pour l’interprétation, le diagnostic et les échanges avec les confrères ou les interventions. L’extinction imminente de notre spécialité étant loin d’être d’actualité, le challenge principal n’est pas de s’y opposer mais d’embrasser ce changement, profiter de ses avantages et enrichir les compétences des radiologues avec cette nouvelle technologie, comme il l’a été fait par le passé lors de l’apparition de nouvelles modalités d’imageries.

Les bases du deep learning sont accessibles à tout radiologue sans nécessiter de matériel spécifique. En tant qu’outil de plus en plus présent dans notre activité, il est utile d’en connaître les principes. Nous proposons aux radiologues de se familiariser aux techniques de deep learning, avec du code clef en main pour s’y initier, afin de leur offrir des clefs de compréhension de cette technologie en plein essor.

The advent of big data in hospitals has proposed a paradigm shift from a patient-centered to a data-centered approach. This new way of processing information is a first step in the development of artificial intelligence (AI). The large amount of medical images made available through big data offers great potential for neural network training and in particular deep learning.

Radiologists have a much richer role than simply reading images, the recent doping of interpretation software with AI techniques accelerates this task and gives the radiologist more time for interpretation, diagnosis, exchanges with colleagues or interventions. As the imminent extinction of our specialty is far from being a reality, the main challenge is not to oppose it but to embrace this change, take advantage of its benefits and enrich radiologists’ skills with this new technology, as it has been done in the past when new imaging modalities appeared.

The basics of deep learning are accessible to any radiologist without the need for specific equipment. As a tool that is more and more present in our activity, it is useful to know its principles. We propose to radiologists to familiarize themselves with deep learning techniques, with turnkey code to get started, in order to provide them with keys to understanding this rapidly developing technology.